基于骨架视频异常检测的多模态运动条件扩散模型
计算机视觉与模式识别
2023-08-29 v3
摘要
异常是罕见的，因此异常检测通常被视为一类分类(One-Class Classification, OCC)，即仅在正常数据上训练。领先的OCC技术将正常运动的潜在表示约束在有限体积内，并将该体积之外的一切检测为异常，这较好地解释了异常的开放集(open-set)特性。但正常性同样具有开放集特性，因为人类可以以多种方式执行同一动作，而领先技术忽视了这一点。我们提出了一种用于视频异常检测(VAD)的新颖生成模型，该模型假设正常与异常均为多模态。我们考虑骨架表示，并利用最先进的扩散概率模型来生成多模态的未来人体姿态。我们提出了一种对过去人体运动的新颖条件化方法，并借助扩散过程改进的模式覆盖能力来生成不同但合理的未来运动。在对未来模式进行统计聚合后，当生成的动作集合与实际未来不相符时即检测到异常。我们在4个公认基准上验证了我们的模型：UBnormal、HR-UBnormal、HR-STC和HR-Avenue，通过大量实验超越了最先进(state-of-the-art)的结果。
引用
@article{arxiv.2307.07205,
title = {Multimodal Motion Conditioned Diffusion Model for Skeleton-based Video Anomaly Detection},
author = {Alessandro Flaborea and Luca Collorone and Guido D'Amely and Stefano D'Arrigo and Bardh Prenkaj and Fabio Galasso},
journal= {arXiv preprint arXiv:2307.07205},
year = {2023}
}
备注
Accepted at ICCV2023