UCF-Crime-DVS：用于基于脉冲神经网络的视频异常检测的新型事件基数据集
计算机视觉与模式识别
2025-03-18 v1 神经与进化计算
摘要
视频异常检测在智能监控系统中发挥着重要作用。为增强模型的异常识别能力，先前工作通常涉及 RGB、光流和文本特征。最近，动态视觉传感器（DVS）作为一种有前景的技术，捕获以离散事件形式的视觉信息，具有极高的动态范围和时间分辨率。它减少了数据冗余，增强了对移动物体的捕获能力。为将这种丰富的动态信息引入监控领域，我们创建了首个DVS视频异常检测基准数据集，称为 UCF-Crime-DVS。为充分利用这种新数据模态，基于脉冲神经网络（SNN）设计了一个多尺度脉冲融合网络（MSF）。本工作探索了从事件数据中动态信息在视频异常检测中的潜在应用。我们的实验表明，该框架在 UCF-Crime-DVS 上的有效性以及其相对于其他模型的优越性能，为SNN-based弱监督视频异常检测建立了新的基准。
引用
@article{arxiv.2503.12905,
title = {UCF-Crime-DVS: A Novel Event-Based Dataset for Video Anomaly Detection with Spiking Neural Networks},
author = {Yuanbin Qian and Shuhan Ye and Chong Wang and Xiaojie Cai and Jiangbo Qian and Jiafei Wu},
journal= {arXiv preprint arXiv:2503.12905},
year = {2025}
}
备注
Accepted by AAAI 2025