Fugu-MT 論文翻訳(概要): Anomaly Detection in Video Data Based on Probabilistic Latent Space Models

論文の概要: Anomaly Detection in Video Data Based on Probabilistic Latent Space Models

arxiv url: http://arxiv.org/abs/2003.07623v1
Date: Tue, 17 Mar 2020 10:32:22 GMT
ステータス: 処理完了
システム内更新日: 2022-12-22 20:45:26.654752
Title: Anomaly Detection in Video Data Based on Probabilistic Latent Space Models
Title（参考訳）: 確率的潜在空間モデルに基づく映像データの異常検出
Authors: Giulia Slavic, Damian Campo, Mohamad Baydoun, Pablo Marin, David Martin, Lucio Marcenaro, Carlo Regazzoni
Abstract要約: 可変オートエンコーダ(VAE)は、ビデオフレームの寸法を小さくするために用いられる。離散的および連続的推論レベルで定義される適応マルコフジャンプ粒子フィルタを用いて、以下のフレームを予測する。本手法は,半自律車両が閉じた環境下で一連のタスクを実行する場合の様々なビデオシナリオで評価する。
参考スコア（独自算出の注目度）: 7.269230232703388
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper proposes a method for detecting anomalies in video data. A Variational Autoencoder (VAE) is used for reducing the dimensionality of video frames, generating latent space information that is comparable to low-dimensional sensory data (e.g., positioning, steering angle), making feasible the development of a consistent multi-modal architecture for autonomous vehicles. An Adapted Markov Jump Particle Filter defined by discrete and continuous inference levels is employed to predict the following frames and detecting anomalies in new video sequences. Our method is evaluated on different video scenarios where a semi-autonomous vehicle performs a set of tasks in a closed environment.
Abstract（参考訳）: 本稿では,ビデオデータの異常を検出する手法を提案する。可変オートエンコーダ(VAE)は、ビデオフレームの寸法を減少させ、低次元の知覚データ(例えば位置決め、操舵角)に匹敵する潜時空間情報を生成し、自動運転車のための一貫したマルチモーダルアーキテクチャの開発を可能にする。離散的および連続的推論レベルで定義される適応マルコフジャンプ粒子フィルタを用いて、次のフレームを予測し、新しいビデオシーケンスにおける異常を検出する。本手法は,半自律車両が閉じた環境で一連のタスクを実行する様々なビデオシナリオで評価する。

関連論文リスト

Weakly Supervised Video Anomaly Detection and Localization with Spatio-Temporal Prompts [57.01985221057047]
本稿では、事前学習された視覚言語モデル(VLM)に基づく、弱教師付きビデオ異常検出および局所化のための時間的プロンプト埋め込み(WSVADL)を学習する新しい手法を提案する。提案手法は,WSVADLタスクの3つの公開ベンチマークにおける最先端性能を実現する。
論文参考訳（メタデータ） (2024-08-12T03:31:29Z)
VANE-Bench: Video Anomaly Evaluation Benchmark for Conversational LMMs [64.60035916955837]
VANE-Benchはビデオの異常や矛盾を検出するためのビデオLMMの熟練度を評価するために設計されたベンチマークである。我々のデータセットは、既存の最先端のテキスト・ビデオ生成モデルを用いて合成された一連のビデオから構成される。我々は、このベンチマークタスクにおいて、オープンソースとクローズドソースの両方で既存の9つのビデオLMMを評価し、ほとんどのモデルが微妙な異常を効果的に識別するのに困難に直面することを発見した。
論文参考訳（メタデータ） (2024-06-14T17:59:01Z)
Dynamic Erasing Network Based on Multi-Scale Temporal Features for Weakly Supervised Video Anomaly Detection [103.92970668001277]
弱教師付きビデオ異常検出のための動的消去ネットワーク(DE-Net)を提案する。まず,異なる長さのセグメントから特徴を抽出できるマルチスケール時間モデリングモジュールを提案する。そして,検出された異常の完全性を動的に評価する動的消去戦略を設計する。
論文参考訳（メタデータ） (2023-12-04T09:40:11Z)
Open-Vocabulary Video Anomaly Detection [57.552523669351636]
監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
論文参考訳（メタデータ） (2023-11-13T02:54:17Z)
Point Cloud Video Anomaly Detection Based on Point Spatio-Temporal Auto-Encoder [1.4340883856076097]
我々は、ポイントクラウドビデオの異常を検出するためにポイントクラウドビデオを入力として使用する自動エンコーダフレームワークであるポイント時自動エンコーダ(PSTAE)を提案する。本手法はTIMoデータセット上に新しい最先端(SOTA)を設定する。
論文参考訳（メタデータ） (2023-06-04T10:30:28Z)
DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文参考訳（メタデータ） (2021-09-08T14:07:55Z)
Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
論文参考訳（メタデータ） (2020-11-05T11:34:12Z)
Dynamic Bayesian Approach for decision-making in Ego-Things [8.577234269009042]
本稿では,マルチセンサデータと特徴選択に基づく動的システムの異常検出手法を提案する。成長型ニューラルガス(GNG)は、マルチセンサーデータを一連のノードにクラスタリングするために使用される。本手法は状態推定と異常検出にマルコフジャンプ粒子フィルタ(MJPF)を用いる。
論文参考訳（メタデータ） (2020-10-28T11:38:51Z)
Anomalous Motion Detection on Highway Using Deep Learning [14.617786106427834]
本稿では,新しい異常検出データセットであるハイウェイ交通異常(HTA)データセットを提案する。我々は、最先端のディープラーニング異常検出モデルを評価し、これらの手法に新しいバリエーションを提案する。
論文参考訳（メタデータ） (2020-06-15T05:40:11Z)
Continual Learning of Predictive Models in Video Sequences via Variational Autoencoders [6.698751933050415]
本稿では,映像系列における将来のフレームの推論を容易にする予測モデルの連続的な学習手法を提案する。初期変分オートコーダと、完全に接続されたニューラルネットワークのセットを用いて、潜時空間レベルでの映像フレームとそのダイナミクスの出現をそれぞれ学習する。
論文参考訳（メタデータ） (2020-06-02T21:17:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。