GTA-Crime：用于致命暴力检测的合成数据集与对抗性片段级域适应生成框架
计算机视觉与模式识别
2025-09-11 v1
摘要
近期视频异常检测（VAD）的进展使我们能够识别监控视频中的各种犯罪活动，但由于其稀缺性以及数据收集中的伦理问题，检测致命事件（如枪击和刺杀）仍然困难。为此，我们引入了GTA-Crime，这是一个致命视频异常数据集和生成框架，基于Grand Theft Auto 5（GTA5）。该数据集包含枪击、刺杀等致命情景，采用监控摄像机的多视角捕获，涵盖动作类型、天气、时间段和视角等多样化条件。为缓解此类情景的稀缺性，我们也发布了一个生成此类视频的框架。此外，我们提出了一种基于Wasserstein对抗训练的片段级域适应策略，以弥合合成GTA-Crime特征与真实世界特征（如UCF-Crime）之间的差距。实验结果验证了我们的GTA-Crime数据集，并表明纳入GTA-Crime并运用我们的域适应策略可持续提升真实世界致命暴力检测的准确率。我们的数据集和数据生成框架已公开发布于https://github.com/ta-ho/GTA-Crime。
引用
@article{arxiv.2509.08232,
title = {GTA-Crime: A Synthetic Dataset and Generation Framework for Fatal Violence Detection with Adversarial Snippet-Level Domain Adaptation},
author = {Seongho Kim and Sejong Ryu and Hyoukjun You and Je Hyeong Hong},
journal= {arXiv preprint arXiv:2509.08232},
year = {2025}
}