論文の概要: Discrete neural representations for explainable anomaly detection

• arxiv url: http://arxiv.org/abs/2112.05585v1
• Date: Fri, 10 Dec 2021 14:56:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-13 14:46:34.005429
• Title: Discrete neural representations for explainable anomaly detection
• Title（参考訳）: 説明可能な異常検出のための離散的神経表現
• Authors: Stanislaw Szymanowicz, James Charles, Roberto Cipolla
• Abstract要約: オブジェクトやアクション分類器を使わずに、異常を頑健に検出する方法を示す。 また、ビデオの離散表現を学習するために、新しいニューラルアーキテクチャを用いて、サリエンシマップの品質を改善する方法を示す。
• 参考スコア（独自算出の注目度）: 25.929134751869032
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The aim of this work is to detect and automatically generate high-level explanations of anomalous events in video. Understanding the cause of an anomalous event is crucial as the required response is dependant on its nature and severity. Recent works typically use object or action classifier to detect and provide labels for anomalous events. However, this constrains detection systems to a finite set of known classes and prevents generalisation to unknown objects or behaviours. Here we show how to robustly detect anomalies without the use of object or action classifiers yet still recover the high level reason behind the event. We make the following contributions: (1) a method using saliency maps to decouple the explanation of anomalous events from object and action classifiers, (2) show how to improve the quality of saliency maps using a novel neural architecture for learning discrete representations of video by predicting future frames and (3) beat the state-of-the-art anomaly explanation methods by 60\% on a subset of the public benchmark X-MAN dataset.
• Abstract（参考訳）: 本研究の目的は,映像中の異常事象の高レベルな説明を自動生成することである。 異常事象の原因を理解することは、要求される応答はその性質と重大さに依存しているため重要である。 最近の研究では、通常オブジェクトまたはアクション分類器を使用して異常イベントのラベルを検出し、提供する。 しかし、これは検知システムを既知のクラスに限定し、未知のオブジェクトや振る舞いへの一般化を防ぐ。 ここでは,オブジェクトやアクションの分類器を使用せずに,イベントの背後にある高レベルな理由を回復する手法を示す。 1) オブジェクトとアクションの分類器から異常事象の説明を分離するために,サリエンシマップを用いた手法,(2) 将来のフレームを予測して映像の離散表現を学習するための新しいニューラルネットワークを用いて,サリエンシマップの品質を向上する方法,(3) パブリックベンチマークX-MANデータセットのサブセット上で,最先端の異常説明手法を60%上回る方法を示す。

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)
• Towards Open-World Object-based Anomaly Detection via Self-Supervised Outlier Synthesis [15.748043194987075]
  この研究は、オープンワールドオブジェクト検出器とOoD検出器を仮想外周で活用することでギャップを埋めることを目的としている。 提案手法では,オブジェクト検出アーキテクチャ全体を拡張して,クラスラベルに依存することなく,異常に認識された特徴表現を学習する。 提案手法は,オブジェクトレベルの異常検出における最先端性能を確立し,自然画像の平均リコールスコアを5.4%以上向上させる。
  論文  参考訳（メタデータ） (2024-07-22T16:16:38Z)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• 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)
• Spatio-temporal predictive tasks for abnormal event detection in videos [60.02503434201552]
  オブジェクトレベルの正規化パターンを学習するための制約付きプレテキストタスクを提案する。 我々のアプローチは、ダウンスケールの視覚的クエリとそれに対応する正常な外観と運動特性のマッピングを学習することである。 いくつかのベンチマークデータセットの実験では、異常の局所化と追跡のためのアプローチの有効性が示されている。
  論文  参考訳（メタデータ） (2022-10-27T19:45:12Z)
• Context Recovery and Knowledge Retrieval: A Novel Two-Stream Framework for Video Anomaly Detection [48.05512963355003]
  本稿では,文脈回復と知識検索に基づく2ストリームフレームワークを提案する。 文脈回復ストリームに対しては,動き情報を完全に活用して将来のフレームを予測するU-Netを提案する。 知識検索ストリームに対して,学習可能な局所性に敏感なハッシュを提案する。 正規性に関する知識をハッシュテーブルにエンコードして格納し、テストイベントと知識表現の間の距離を用いて異常の確率を明らかにする。
  論文  参考訳（メタデータ） (2022-09-07T03:12:02Z)
• Object-centric and memory-guided normality reconstruction for video anomaly detection [56.64792194894702]
  本稿では,ビデオ監視における異常検出問題に対処する。 異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。 我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
  論文  参考訳（メタデータ） (2022-03-07T19:28:39Z)
• X-MAN: Explaining multiple sources of anomalies in video [25.929134751869032]
  ビデオ中の異常を検出するのに適した解釈可能な特徴表現を構築する方法を示す。 また,その応答の背後にある理由を記述可能な,解釈可能な確率的異常検出器を提案する。 提案手法は,公開データセット上の技術状況とよく競合する。
  論文  参考訳（メタデータ） (2021-06-16T15:25:50Z)
• 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。