基于 Transformer 的自注意力少样本视频异常检测
计算机视觉与模式识别
2025-03-04 v1
摘要
视频异常检测是一项具有挑战性的任务，因为不同视频中的异常现象种类各异。因此，一种可行的做法是通过学习手中视频的非异常本质来实现视频异常检测。为此，我们提出一种基于 Transformer 的一种类少样本学习方法，用于视频异常检测，具备自注意性。我们利用前几帧连续非异常帧的特征在预测后续帧的非异常特征方面训练 Transformer，同时受制于从输入特征本身学习的自注意力。学习完成后，给定少量前帧，视频特定的 Transformer 用于推断该帧是否为异常帧，通过比较其预测特征与实际特征。通过定性和定量结果，我们在不同标准数据集上展示了该方法相对于最先进方法的有效性。我们还研究了自注意力在我们方法中所起的积极作用。
关键词
引用
@article{arxiv.2503.00670,
title = {Transformer Based Self-Context Aware Prediction for Few-Shot Anomaly Detection in Videos},
author = {Gargi V. Pillai and Ashish Verma and Debashis Sen},
journal= {arXiv preprint arXiv:2503.00670},
year = {2025}
}
备注
Copyright 2022 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works