論文の概要: Video Anomaly Detection with Contours - A Study

• arxiv url: http://arxiv.org/abs/2503.19588v1
• Date: Tue, 25 Mar 2025 12:11:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-26 16:55:16.410298
• Title: Video Anomaly Detection with Contours - A Study
• Title（参考訳）: 輪郭による映像異常検出の検討
• Authors: Mia Siemon, Ivan Nikolov, Thomas B. Moeslund, Kamal Nasrollahi,
• Abstract要約: 本研究では,2次元輪郭を用いた正常人の動作パターンの学習の可能性について検討した。 以上の結果から,Poseを用いたビデオ異常検出の新たな視点は今後の研究にとって有望な方向であることが示唆された。
• 参考スコア（独自算出の注目度）: 24.525564527855092
• License:
• Abstract: In Pose-based Video Anomaly Detection prior art is rooted on the assumption that abnormal events can be mostly regarded as a result of uncommon human behavior. Opposed to utilizing skeleton representations of humans, however, we investigate the potential of learning recurrent motion patterns of normal human behavior using 2D contours. Keeping all advantages of pose-based methods, such as increased object anonymization, the shift from human skeletons to contours is hypothesized to leave the opportunity to cover more object categories open for future research. We propose formulating the problem as a regression and a classification task, and additionally explore two distinct data representation techniques for contours. To further reduce the computational complexity of Pose-based Video Anomaly Detection solutions, all methods in this study are based on shallow Neural Networks from the field of Deep Learning, and evaluated on the three most prominent benchmark datasets within Video Anomaly Detection and their human-related counterparts, totaling six datasets. Our results indicate that this novel perspective on Pose-based Video Anomaly Detection marks a promising direction for future research.
• Abstract（参考訳）: Pose-based Video Anomaly Detectionの先行技術は、異常事象が通常ではない人間の行動の結果と見なすことができるという仮定に基づいている。 しかし, 人間の骨格表現を活用することに反対して, 2次元輪郭を用いた正常な人間の行動の反復運動パターンの学習の可能性について検討した。 オブジェクト匿名化の増大など、ポーズに基づく手法のすべての利点を保ちながら、人間の骨格から輪郭への移行は、将来の研究のために開かれたより多くのオブジェクトカテゴリをカバーする機会を残していると仮定される。 本稿では,この問題を回帰と分類タスクとして定式化し,輪郭の2つの異なるデータ表現手法についても検討する。 ビデオ異常検出ソリューションの計算複雑性をさらに軽減するため,本研究では,深層学習分野の浅層ニューラルネットワークをベースとして,ビデオ異常検出における3つの最も顕著なベンチマークデータセットと,その関連したデータセットを合計6つのデータセットで評価した。 以上の結果から,Poseを用いたビデオ異常検出の新たな視点は今後の研究にとって有望な方向であることが示唆された。

関連論文リスト

• Occlusion-Aware 3D Motion Interpretation for Abnormal Behavior Detection [10.782354892545651]
  我々は,メッシュ頂点とヒト関節の3次元座標をモノクロビデオから再構成し,運動異常を識別するOAD2Dを提案する。 動作特徴の定量化にVQVAEを用いるM2Tモデルと組み合わせることで、異常姿勢推定を再構成する。 本研究は, 重度・自己閉塞性に対する異常行動検出のロバスト性を示すものである。
  論文  参考訳（メタデータ） (2024-07-23T18:41:16Z)
• PoseBench: Benchmarking the Robustness of Pose Estimation Models under Corruptions [57.871692507044344]
  ポース推定は、単眼画像を用いて人や動物の解剖学的キーポイントを正確に同定することを目的としている。 現在のモデルは一般的に、クリーンなデータに基づいてトレーニングされ、テストされる。 実世界の腐敗に対するポーズ推定モデルの堅牢性を評価するためのベンチマークであるPoseBenchを紹介する。
  論文  参考訳（メタデータ） (2024-06-20T14:40:17Z)
• 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)
• Understanding the Challenges and Opportunities of Pose-based Anomaly Detection [2.924868086534434]
  ポーズベースの異常検出(Pose-based anomaly detection)は、ビデオフレームから抽出された人間のポーズを調べることによって、異常な出来事や行動を検出するビデオ分析技術である。 本研究では、ポーズに基づく異常検出の難しさをよりよく理解するために、2つのよく知られたビデオ異常データセットの特徴を分析し、定量化する。 これらの実験は、ポーズベースの異常検出と現在利用可能なデータセットをより理解する上で有益であると考えています。
  論文  参考訳（メタデータ） (2023-03-09T18:09:45Z)
• 2D Human Pose Estimation: A Survey [16.56050212383859]
  人間のポーズ推定は、入力データ中の人間の解剖学的キーポイントまたは身体部分のローカライズを目的としている。 ディープラーニング技術は、データから直接特徴表現を学習することを可能にする。 本稿では,近年の2次元ポーズ推定手法の成果を振り返り,包括的調査を行う。
  論文  参考訳（メタデータ） (2022-04-15T08:09:43Z)
• 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)
• 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)
• Learning Dynamics via Graph Neural Networks for Human Pose Estimation and Tracking [98.91894395941766]
  ポーズ検出とは無関係なポーズダイナミクスを学習する新しいオンライン手法を提案する。 具体的には、空間的・時間的情報と視覚的情報の両方を明示的に考慮したグラフニューラルネットワーク(GNN)を通して、このダイナミクスの予測を導出する。 PoseTrack 2017とPoseTrack 2018データセットの実験では、提案手法が人間のポーズ推定とトラッキングタスクの両方において、技術の現状よりも優れた結果が得られることを示した。
  論文  参考訳（メタデータ） (2021-06-07T16:36:50Z)
• 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)
• Deep Learning-Based Human Pose Estimation: A Survey [66.01917727294163]
  人間のポーズ推定は、過去10年間に注目を集めてきた。 ヒューマン・コンピュータ・インタラクション、モーション・アナリティクス、拡張現実、バーチャル・リアリティーなど幅広い用途で利用されている。 最近のディープラーニングベースのソリューションは、人間のポーズ推定において高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2020-12-24T18:49:06Z)
• DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
  人-物間相互作用(HOI)検出の課題に対処する。 既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。 本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:40Z)

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。