論文の概要: Contracting Skeletal Kinematic Embeddings for Anomaly Detection

• arxiv url: http://arxiv.org/abs/2301.09489v3
• Date: Mon, 20 Mar 2023 08:29:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-24 00:32:36.640881
• Title: Contracting Skeletal Kinematic Embeddings for Anomaly Detection
• Title（参考訳）: 異常検出のための収縮骨格力学埋め込み
• Authors: Alessandro Flaborea, Guido D'Amely, Stefano D'Arrigo, Marco Aurelio Sterpa, Alessio Sampieri, Fabio Galasso
• Abstract要約: 効率的なグラフ畳み込みネットワークにより骨格運動を符号化する新しいモデルであるCOSKADを提案する。 我々は、COSKADの3つの潜在空間設計を解析する: 一般的に付加されるユークリッドと、新しい球面半径と双曲体積である。 3つの変種はいずれも、シャンガイ技術センター、アベニュー、最新のUB正規データセットなど、ビデオベースの技術を含む最先端技術よりも優れている。
• 参考スコア（独自算出の注目度）: 58.661899246497896
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting the anomaly of human behavior is paramount to timely recognizing endangering situations, such as street fights or elderly falls. However, anomaly detection is complex, since anomalous events are rare and because it is an open set recognition task, i.e., what is anomalous at inference has not been observed at training. We propose COSKAD, a novel model which encodes skeletal human motion by an efficient graph convolutional network and learns to COntract SKeletal kinematic embeddings onto a latent hypersphere of minimum volume for Anomaly Detection. We propose and analyze three latent space designs for COSKAD: the commonly-adopted Euclidean, and the new spherical-radial and hyperbolic volumes. All three variants outperform the state-of-the-art, including video-based techniques, on the ShangaiTechCampus, the Avenue, and on the most recent UBnormal dataset, for which we contribute novel skeleton annotations and the selection of human-related videos. The source code and dataset will be released upon acceptance.
• Abstract（参考訳）: 人間の行動の異常を検出することは、ストリートファイトや高齢者の転倒といった危険な状況を認識するのに最重要である。 しかし、異常検出は複雑であり、異常事象は稀であり、開集合認識タスクであるため、推論における異常とは何かが訓練中に観測されていない。 COSKADは、効率的なグラフ畳み込みネットワークによって骨格の人間の動きを符号化し、異常検出のために最小体積の潜伏超球面にSKinematicの埋め込みを抽出する新しいモデルである。 我々は, COSKAD の3つの潜在空間設計, 一般に付加されるユークリッド空間, 新たな球面半径および双曲体積について提案し, 解析する。 ShangaiTechCampus、The Avenue、および最新のUBnormalデータセットでは、ビデオベースの技術を含む3つのバリエーションが最先端で、新しい骨格のアノテーションや人間関連のビデオの選択に貢献しています。 ソースコードとデータセットは受理時にリリースされる。

関連論文リスト

• Learn Suspected Anomalies from Event Prompts for Video Anomaly Detection [16.77262005540559]
  イベントプロンプトから疑わしい異常の学習を導くための新しい枠組みが提案されている。 これにより、新しいマルチプロンプト学習プロセスにより、すべてのビデオの視覚的セマンティックな特徴を制限できる。 提案手法はAPやAUCといった最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2024-03-02T10:42:47Z)
• 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)
• Human Kinematics-inspired Skeleton-based Video Anomaly Detection [3.261881784285304]
  我々は,HKVAD (Human Kinematic-inspired Video Anomaly Detection) という新しいアイデアを紹介した。 提案手法は,計算資源を最小限に抑え,その有効性と可能性を検証する。
  論文  参考訳（メタデータ） (2023-09-27T13:52:53Z)
• A New Comprehensive Benchmark for Semi-supervised Video Anomaly Detection and Anticipation [46.687762316415096]
  我々は,43のシーン,28の異常イベント,16時間の動画を含む新しい包括的データセットNWPU Campusを提案する。 このデータセットは、最大数のシーンとクラスの異常、最長持続時間、シーン依存の異常を考慮に入れた唯一の部分を持つ、最も大きな半教師付きVADデータセットである。 本稿では,異常事象を同時に検出・予測できる新しいモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:20:12Z)
• Are we certain it's anomalous? [57.729669157989235]
  時系列における異常検出は、高度に非線形な時間的相関のため、異常は稀であるため、複雑なタスクである。 本稿では,異常検出(HypAD)におけるハイパボリック不確実性の新しい利用法を提案する。 HypADは自己指導で入力信号を再構築する。
  論文  参考訳（メタデータ） (2022-11-16T21:31:39Z)
• Neural Rendering of Humans in Novel View and Pose from Monocular Video [68.37767099240236]
  本稿では,新しい視点下で写真リアルな人間を生成し,モノクロ映像を入力として提示する新しい手法を提案する。 提案手法は,モノクラー映像を入力として,見知らぬポーズや新しい視点下での既存手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-04-04T03:09:20Z)
• 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)
• Anomalous entities detection using a cascade of deep learning models [2.9005223064604078]
  本稿では,試験ホールの複雑な状況において異常を検知する新しい手法を提案する。 提案手法は,深層畳み込みニューラルネットワークモデルのカスケードを用いる。 提案手法は異常な物体を検知し,異常な挙動を高精度に保証できることを示す。
  論文  参考訳（メタデータ） (2021-03-09T01:23:19Z)
• 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)

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。