EVAL：可解释视频异常定位
计算机视觉与模式识别
2022-12-16 v1
摘要
我们开发了一种用于单场景视频异常定位的新框架，该框架能为系统所作决策提供人类可理解的原因。我们首先（使用深度网络）学习物体及其运动的通用表示，然后使用这些表示构建任意特定场景的依赖于位置的高层模型。该模型可用于检测同一场景新视频中的异常。重要的是，我们的方法具有可解释性——我们的高层外观与运动特征能够为视频任何部分被分类为正常或异常提供人类可理解的原因。我们在标准视频异常检测数据集（Street Scene、CUHK Avenue、ShanghaiTech 以及 UCSD Ped1、Ped2）上进行了实验，并展示了相比先前最优方法的显著改进。
引用
@article{arxiv.2212.07900,
title = {EVAL: Explainable Video Anomaly Localization},
author = {Ashish Singh and Michael J. Jones and Erik Learned-Miller},
journal= {arXiv preprint arXiv:2212.07900},
year = {2022}
}