十年视频异常检测综述：方法进展与展望
计算机视觉与模式识别
2024-07-02 v2
摘要
视频异常检测（VAD）在监控、医疗和环境监测等多个领域具有重要重要性。虽然已有许多综述聚焦于传统VAD方法，但常常缺乏对特定方法和新兴趋势的深入探讨。本综述聚焦于基于深度学习的VAD技术，拓展视角不仅限于传统的监督训练范式，还涵盖新兴的弱监督、自监督和无监督方法。本综述的突出特点在于探讨VAD各范式中的核心挑战，包括大规模数据集、特征提取、学习方法、损失函数、正则化以及异常得分预测。此外，本综述还考察了将视觉语言模型（VLMs）作为VAD特征提取器的潜力。VLMs将视觉数据与视频中的文本描述或语音语言相结合，实现对异常检测至关重要的场景进行细粒度理解。通过解决这些挑战并提出未来研究方向，本综述旨在促进基于VLMs能力的鲁棒且高效VAD系统开发，以提升复杂真实场景下的异常检测性能。这一全面分析旨在弥合现有知识之间的鸿沟，为研究者提供宝贵洞见，并为VAD研究的未来发展作出贡献。
引用
@article{arxiv.2405.19387,
title = {Video Anomaly Detection in 10 Years: A Survey and Outlook},
author = {Moshira Abdalla and Sajid Javed and Muaz Al Radi and Anwaar Ulhaq and Naoufel Werghi},
journal= {arXiv preprint arXiv:2405.19387},
year = {2024}
}