HyPCV-Former：用于3D 点云视频异常检测的超抛物线时空Transformer
计算机视觉与模式识别
2025-08-04 v1
摘要
视频异常检测是视频监控中的基础任务，具有广泛的公共安全和智能监控系统应用。虽然先前的方法利用RGB或深度域中的欧几里得表示，但这些嵌入在捕获层次事件结构和时空连续性方面存在局限。为此，我们提出了HyPCV-Former，这是一个用于3D 点云视频异常检测的超抛物线时空Transformer。我们的方法首先通过点云提取器从点云序列中提取每帧的空间特征，然后将其嵌入到Lorentzian 超抛物线空间中，以更好地捕获事件的潜在层次结构。为了建模时序动态，我们引入了超抛物线多头自注意力(HMHA)机制，该机制利用Lorentzian 内积和曲率感知softmax在非欧几里得几何下学习时序依赖性。我们的方法在完整的Lorentzian 空间中执行所有特征变换和异常评分，而非通过切向空间近似。大量实验表明，HyPCV-Former在多个异常类别上实现了最先进的性能，相较于基准在TIMo 数据集上提升了7%，在DAD 数据集上提升了5.6%。接受录取后将发布代码。
引用
@article{arxiv.2508.00473,
title = {HyPCV-Former: Hyperbolic Spatio-Temporal Transformer for 3D Point Cloud Video Anomaly Detection},
author = {Jiaping Cao and Kangkang Zhou and Juan Du},
journal= {arXiv preprint arXiv:2508.00473},
year = {2025}
}