VideoPatchCore：一种用于视频异常检测的有效正常状态记忆方法
计算机视觉与模式识别
2024-11-26 v5
摘要
视频异常检测（VAD）是计算机视觉中视频分析和监控的关键任务。目前，VAD 正通过存储正常帧特征的记忆技术获得关注。存储的特征用于帧重建，当重建帧与输入帧之间存在显著差异时，即识别出异常。然而，由于需要同时优化记忆模块和编码器-解码器模型，这种方法面临若干挑战。这些挑战包括优化难度增加、实现复杂性以及性能随记忆大小而变化。为了解决这些挑战，我们提出了一种用于 VAD 的有效记忆方法，称为 VideoPatchCore。受 PatchCore 启发，我们的方法引入了一种优先进行记忆优化的结构，并配置了三种针对视频数据特征量身定制的记忆类型。该方法有效解决了现有基于记忆方法的局限性，取得了可与 SOTA 方法相媲美的良好性能。此外，我们的方法无需训练且易于实现，使 VAD 任务更加易于开展。我们的代码可在 github.com/SkiddieAhn/Paper-VideoPatchCore 在线获取。
引用
@article{arxiv.2409.16225,
title = {VideoPatchCore: An Effective Method to Memorize Normality for Video Anomaly Detection},
author = {Sunghyun Ahn and Youngwan Jo and Kijung Lee and Sanghyun Park},
journal= {arXiv preprint arXiv:2409.16225},
year = {2024}
}
备注
Accepted to ACCV 2024