基于双向跳过帧预测的视频异常检测，受域内差异驱动的注意力机制

随着视频监控设备的广泛部署以及对智能系统发展的需求，视频异常检测（VAD）已成为构建智能监控系统的重要组成部分。扩大正常事件与异常事件之间的判别边界以提升性能，是VAD的 common 目标和挑战。为解决此问题，我们从学习不同特征之间域内差异的角度出发，提出基于双流自编码器的Bidirectional Skip-frame Prediction（BiSP）网络。BiSP在训练阶段跳过帧，分别实现前向和后向帧预测；在测试阶段，利用双向连续帧共同预测相同的中间帧，从而扩大正常事件与异常事件之间的差异程度。BiSP从运动模式和物体尺度两个角度分别设计了方差通道注意力和上下文空间注意力，从而在不同维度的特征提取和传递过程中最大化正常与异常事件之间的差异。广泛的实验在四个基准数据集上表明，所提出的BiSP方法有效，显著优于当前最先进的竞争方法。