論文の概要: WSCIF: A Weakly-Supervised Color Intelligence Framework for Tactical Anomaly Detection in Surveillance Keyframes

• arxiv url: http://arxiv.org/abs/2505.09129v1
• Date: Wed, 14 May 2025 04:24:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.373239
• Title: WSCIF: A Weakly-Supervised Color Intelligence Framework for Tactical Anomaly Detection in Surveillance Keyframes
• Title（参考訳）: WSCIF: 監視キーフレームにおける戦術的異常検出のための弱スーパービジョンカラーインテリジェンスフレームワーク
• Authors: Wei Meng,
• Abstract要約: 本稿では,高感度戦術ミッションにおける監視映像のカラー特徴に基づく軽量な異常検出フレームワークを提案する。 RGBチャネルヒストグラムモデルを用いて教師なしKMeansクラスタリングを融合し、キーフレームにおける構造異常と色変化信号の複合的検出を実現する。 その結果, 本手法は, 戦術的暗殺警告, 不審な対象検定, 環境変動モニタリングに有効であり, 高い展開性, 戦術的解釈価値が期待できることがわかった。
• 参考スコア（独自算出の注目度）: 3.5516803380598074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The deployment of traditional deep learning models in high-risk security tasks in an unlabeled, data-non-exploitable video intelligence environment faces significant challenges. In this paper, we propose a lightweight anomaly detection framework based on color features for surveillance video clips in a high sensitivity tactical mission, aiming to quickly identify and interpret potential threat events under resource-constrained and data-sensitive conditions. The method fuses unsupervised KMeans clustering with RGB channel histogram modeling to achieve composite detection of structural anomalies and color mutation signals in key frames. The experiment takes an operation surveillance video occurring in an African country as a research sample, and successfully identifies multiple highly anomalous frames related to high-energy light sources, target presence, and reflective interference under the condition of no access to the original data. The results show that this method can be effectively used for tactical assassination warning, suspicious object screening and environmental drastic change monitoring with strong deployability and tactical interpretation value. The study emphasizes the importance of color features as low semantic battlefield signal carriers, and its battlefield intelligent perception capability will be further extended by combining graph neural networks and temporal modeling in the future.
• Abstract（参考訳）: 従来型のディープラーニングモデルの高リスクセキュリティタスクへの展開は、ラベル付けされていない、非公開可能なビデオインテリジェンス環境において、大きな課題に直面している。 本稿では,高感度戦術ミッションにおける監視映像のカラー特徴に基づく軽量な異常検出フレームワークを提案する。 RGBチャネルヒストグラムモデルを用いて教師なしKMeansクラスタリングを融合し、キーフレームにおける構造異常と色変化信号の複合的検出を実現する。 実験では、アフリカの国で発生した作戦監視映像をサンプルとして、原データにアクセスできない条件下で、高エネルギー光源、目標存在、反射干渉に関連する複数の異常なフレームを正常に識別する。 その結果, 本手法は, 戦術的暗殺警告, 不審な対象検定, 環境変動モニタリングに有効であり, 高い展開性, 戦術的解釈価値が期待できることがわかった。 この研究は、低セマンティックな戦場信号担体としての色彩の特徴の重要性を強調し、その戦場の知的知覚能力は、グラフニューラルネットワークと時間的モデリングを組み合わせることでさらに拡張される。

関連論文リスト

• UCF-Crime-DVS: A Novel Event-Based Dataset for Video Anomaly Detection with Spiking Neural Networks [7.079697386550486]
  ダイナミックビジョンセンサー(DVS)は、視覚情報を非常に高いダイナミックレンジと時間分解能を持つ離散イベントとして捉えている。 このリッチなダイナミックな情報を監視分野に導入するために、最初のDVSビデオ異常検出ベンチマークであるUCF-Crime-DVSを作成しました。 この新しいデータモダリティをフル活用するために、マルチスケールスパイキング融合ネットワーク(MSF)は、スパイキングニューラルネットワーク(SNN)に基づいて設計されている。
  論文  参考訳（メタデータ） (2025-03-17T08:11:26Z)
• Cross-Modal Fusion and Attention Mechanism for Weakly Supervised Video Anomaly Detection [2.749898166276854]
  弱教師付きビデオ異常検出(WS-VAD)が現代研究の方向性として浮上している。 暴力やヌードなどの異常を正確に検出するマルチモーダルなWS-VADフレームワークを提案する。 提案モデルでは,暴力とヌード検出のベンチマークデータセットを用いて,最先端の結果が得られた。
  論文  参考訳（メタデータ） (2024-12-29T12:46:57Z)
• Take Fake as Real: Realistic-like Robust Black-box Adversarial Attack to Evade AIGC Detection [4.269334070603315]
  本稿では,後処理の融合最適化を用いた現実的なロバストブラックボックス攻撃(R$2$BA)を提案する。 R$2$BAは優れた抗検出性能,可視性,GANおよび拡散型症例の強い堅牢性を示す。
  論文  参考訳（メタデータ） (2024-12-09T18:16:50Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• MissionGNN: Hierarchical Multimodal GNN-based Weakly Supervised Video Anomaly Recognition with Mission-Specific Knowledge Graph Generation [5.0923114224599555]
  本稿では,新しい階層グラフニューラルネットワーク(GNN)モデルであるMissionGNNを紹介する。 提案手法は,大規模マルチモーダルモデル上での重勾配計算を回避し,従来の手法の限界を回避する。 我々のモデルは,従来のセグメンテーションベースやマルチモーダルアプローチの制約を伴わずに,リアルタイムビデオ解析のための実用的で効率的なソリューションを提供する。
  論文  参考訳（メタデータ） (2024-06-27T01:09:07Z)
• A brief introduction to a framework named Multilevel Guidance-Exploration Network [23.794585834150983]
  本稿では,Multilevel Guidance-Exploration Network(MGENet)と呼ばれる新しいフレームワークを提案する。 具体的には、まず骨格キーポイントを入力とし、RGBエンコーダを誘導する学習済み正規化フローを用いて、未知のRGBフレームを入力として取り込んで、動作遅延特徴を探索する。 提案手法は,上海技術とUBnormalデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-12-07T08:20:07Z)
• A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
  本稿では,DAF(Disdisrepancy Aware Framework)を提案する。 本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。 単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
  論文  参考訳（メタデータ） (2023-10-11T15:21:40Z)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• ReDFeat: Recoupling Detection and Description for Multimodal Feature Learning [51.07496081296863]
  我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。 本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。 我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-05-16T04:24:22Z)
• Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning [59.19469551774703]
  ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。 我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。 私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
  論文  参考訳（メタデータ） (2020-03-05T05:29:44Z)

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。