基于运动与外观引导的粘附模型视频异常检测

视频异常检测的一个近期研究方向是利用扩散模型，将任务定位为生成问题，即训练扩散模型以恢复正常模式，从而将异常模式报告为离群值。然而，现有方法忽略了异常的各种形态，仅在特征层面预测正常样本，而监控视频中的异常物体通常相对较小。为此，本文提出一种基于粘附的扩散模型，专为捕获细粒度局部信息而设计。我们进一步观察到，视频中的异常现象表现为外观和运动的双重偏差。因此，我们认为，必须同时考虑这两个方面才能实现准确的帧预测。为此，我们引入创新的运动和外观条件，并无缝集成到粘附模型中。这两种条件旨在引导模型生成语义内容和运动关系的连贯且情境恰当的预测。在四个具有挑战性的视频异常检测数据集上的实验结果经验性地证明了我们方法的有效性，显示其在检测异常行为方面 consistently 优于大多数现有方法。