論文の概要: Video Anomaly Detection for Smart Surveillance

• arxiv url: http://arxiv.org/abs/2004.00222v3
• Date: Sat, 11 Apr 2020 19:07:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 18:56:08.008840
• Title: Video Anomaly Detection for Smart Surveillance
• Title（参考訳）: スマートサーベイランスのためのビデオ異常検出
• Authors: Sijie Zhu, Chen Chen, and Waqas Sultani
• Abstract要約: ビデオ内の異常は、異常な振る舞いを示すイベントまたはアクティビティとして定義される。 異常検出の目標は、ビデオシーケンス内の異常事象を時間的または空間的に局所化することである。 本稿では,ビデオ異常検出に関する最近の研究動向について概説する。
• 参考スコア（独自算出の注目度）: 13.447928371592557
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In modern intelligent video surveillance systems, automatic anomaly detection through computer vision analytics plays a pivotal role which not only significantly increases monitoring efficiency but also reduces the burden on live monitoring. Anomalies in videos are broadly defined as events or activities that are unusual and signify irregular behavior. The goal of anomaly detection is to temporally or spatially localize the anomaly events in video sequences. Temporal localization (i.e. indicating the start and end frames of the anomaly event in a video) is referred to as frame-level detection. Spatial localization, which is more challenging, means to identify the pixels within each anomaly frame that correspond to the anomaly event. This setting is usually referred to as pixel-level detection. In this paper, we provide a brief overview of the recent research progress on video anomaly detection and highlight a few future research directions.
• Abstract（参考訳）: 現代のインテリジェントなビデオ監視システムでは、コンピュータビジョン分析による自動異常検出が、監視効率を著しく向上させるだけでなく、ライブ監視の負担を軽減する重要な役割を果たす。 ビデオの異常は、異常な振る舞いを示すイベントやアクティビティとして広く定義されている。 異常検出の目標は、ビデオシーケンス内の異常事象を時間的または空間的に局所化することである。 時間的局在(ビデオ中の異常事象の開始と終了のフレームを示す)は、フレームレベル検出 (frame level detection) と呼ばれる。 空間的局所化は、より難しいが、異常事象に対応する各異常フレーム内の画素を特定することを意味する。 この設定は通常ピクセルレベルの検出と呼ばれる。 本稿では,ビデオ異常検出の最近の研究動向について概説し,今後の研究の方向性について概説する。

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)
• 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)
• A Video Anomaly Detection Framework based on Appearance-Motion Semantics Representation Consistency [18.06814233420315]
  本稿では,正常データの外観と動作意味表現の整合性を利用して異常検出を行うフレームワークを提案する。 通常のサンプルの外観および動作情報表現を符号化する2ストリームエンコーダを設計する。 異常サンプルの外観と運動特性の低い一貫性は、より大きな再構成誤差で予測されたフレームを生成するために使用できる。
  論文  参考訳（メタデータ） (2022-04-08T15:59:57Z)
• UBnormal: New Benchmark for Supervised Open-Set Video Anomaly Detection [103.06327681038304]
  本稿では,複数の仮想シーンで構成された教師付きオープンセット・ベンチマークを提案する。 既存のデータセットとは異なり、トレーニング時に画素レベルでアノテートされた異常事象を導入する。 UBnormalは最先端の異常検出フレームワークの性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2021-11-16T17:28:46Z)
• Anomaly Detection using Edge Computing in Video Surveillance System: Review [0.0]
  スマートシティの概念は、都市計画者や研究者に近代的で安全で持続可能なインフラを提供し、住民にまともな生活の質を与えるよう影響を与えている。 このニーズを満たすために、市民の安全と幸福を高めるために、ビデオ監視カメラが配備されている。 現代科学の技術的発展にもかかわらず、監視ビデオシステムにおける異常事象の検出は困難であり、徹底的な人間の努力を必要とする。
  論文  参考訳（メタデータ） (2021-07-06T17:41:56Z)
• Weakly Supervised Video Anomaly Detection via Center-guided Discriminative Learning [25.787860059872106]
  監視ビデオの異常検出は、異常なビデオコンテンツと持続時間の多様性のために難しい作業です。 本稿では,トレーニング段階でビデオレベルラベルのみを必要とする異常回帰ネット(ar-net)と呼ばれる異常検出フレームワークを提案する。 本手法は,上海テクデータセットにおける映像異常検出に新たな最先端結果を与える。
  論文  参考訳（メタデータ） (2021-04-15T06:41:23Z)
• A Modular and Unified Framework for Detecting and Localizing Video Anomalies [30.83924581439373]
  MOVADと呼ばれるオンラインビデオ異常検出とローカリゼーション問題に対するモジュール化された統一アプローチを提案します。 新たなトランスファーラーニングベースのプラグアンドプレイアーキテクチャ、シーケンシャルな異常検出器、検出しきい値を選択する数学的フレームワーク、ビデオ中のリアルタイムな異常事象検出に適したパフォーマンス指標から構成される。
  論文  参考訳（メタデータ） (2021-03-21T04:16:51Z)
• 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)
• A Background-Agnostic Framework with Adversarial Training for Abnormal Event Detection in Video [120.18562044084678]
  近年,ビデオにおける異常事象検出は複雑なコンピュータビジョンの問題として注目されている。 通常のイベントのみを含むトレーニングビデオから学習するバックグラウンドに依存しないフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-27T18:39:24Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。