跟踪任意异常对象：粗粒度视频异常检测管道
计算机视觉与模式识别
2025-06-06 v1
摘要
视频异常检测（VAD）在监控和自动驾驶等场景中至关重要，因及时检测意外活动至关重要。虽然已有方法主要关注检测视频中的异常对象——通过识别异常帧或对象，但往往忽略更细粒度的分析，如异常像素，这限制了其捕捉更广泛异常范围的能力。为此，我们提出了一种新框架，称为Track Any Anomalous Object（TAO），引入一种首次将多种细粒度异常对象检测集成到统一框架中的粗粒度视频异常检测管道。与将异常得分分配给每个像素的方法不同，我们的方法将问题转化为对异常对象的像素级跟踪。通过将异常得分与分割和跟踪等下游任务关联， our method 消除了阈值调优的需求，并在长且复杂的视频序列中实现更精确的异常局部化。实验表明，TAO 在准确性和鲁棒性方面均达到了新的基准。项目页面已在线上提供。
引用
@article{arxiv.2506.05175,
title = {Track Any Anomalous Object: A Granular Video Anomaly Detection Pipeline},
author = {Yuzhi Huang and Chenxin Li and Haitao Zhang and Zixu Lin and Yunlong Lin and Hengyu Liu and Wuyang Li and Xinyu Liu and Jiechao Gao and Yue Huang and Xinghao Ding and Yixuan Yuan},
journal= {arXiv preprint arXiv:2506.05175},
year = {2025}
}