用于视频异常检测的单帧未来视频预测
计算机视觉与模式识别
2023-08-16 v1
摘要
视频异常检测（VAD）是计算机视觉中重要但具挑战性的任务。主要挑战源于训练样本稀少，难以建模所有异常情形。因此，半监督异常检测方法受到更多关注，因其专注于建模正常情况，并通过度量偏离正常模式的程度来检测异常。尽管这些方法在建模正常运动与外观上取得令人印象深刻的进展，长期运动建模迄今未被有效探索。受未来帧预测代理任务能力的启发，我们引入单帧未来视频预测任务，作为视频异常检测的新颖代理任务。该代理任务缓解了以往方法在学习更长运动模式上的挑战。此外，我们将初始与未来原始帧替换为其对应的语义分割图，这不仅使方法感知物体类别，也使模型的预测任务复杂度降低。在基准数据集（ShanghaiTech、UCSD-Ped1与UCSD-Ped2）上的大量实验显示了方法的有效性，以及相较于SOTA基于预测的VAD方法的性能优越性。
引用
@article{arxiv.2308.07783,
title = {Future Video Prediction from a Single Frame for Video Anomaly Detection},
author = {Mohammad Baradaran and Robert Bergevin},
journal= {arXiv preprint arXiv:2308.07783},
year = {2023}
}