論文の概要: Learning Event Completeness for Weakly Supervised Video Anomaly Detection

• arxiv url: http://arxiv.org/abs/2506.13095v1
• Date: Mon, 16 Jun 2025 04:56:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:47.489649
• Title: Learning Event Completeness for Weakly Supervised Video Anomaly Detection
• Title（参考訳）: 弱教師付きビデオ異常検出のためのイベント完全性学習
• Authors: Yu Wang, Shiwei Chen,
• Abstract要約: 弱監視ビデオ異常検出(LEC-VAD)のための新しい学習イベント完全性を提案する。 LEC-VADは、視覚と言語の間のカテゴリー認識とカテゴリー認識のセマンティクスの両方を符号化する。 本研究では,異常項目のカテゴリに関連付けられた簡潔なテキスト記述を豊かにするための,新しいメモリバンクベースのプロトタイプ学習機構を開発する。
• 参考スコア（独自算出の注目度）: 5.140169437190526
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weakly supervised video anomaly detection (WS-VAD) is tasked with pinpointing temporal intervals containing anomalous events within untrimmed videos, utilizing only video-level annotations. However, a significant challenge arises due to the absence of dense frame-level annotations, often leading to incomplete localization in existing WS-VAD methods. To address this issue, we present a novel LEC-VAD, Learning Event Completeness for Weakly Supervised Video Anomaly Detection, which features a dual structure designed to encode both category-aware and category-agnostic semantics between vision and language. Within LEC-VAD, we devise semantic regularities that leverage an anomaly-aware Gaussian mixture to learn precise event boundaries, thereby yielding more complete event instances. Besides, we develop a novel memory bank-based prototype learning mechanism to enrich concise text descriptions associated with anomaly-event categories. This innovation bolsters the text's expressiveness, which is crucial for advancing WS-VAD. Our LEC-VAD demonstrates remarkable advancements over the current state-of-the-art methods on two benchmark datasets XD-Violence and UCF-Crime.
• Abstract（参考訳）: 弱教師付きビデオ異常検出(WS-VAD)は、ビデオレベルのアノテーションのみを利用して、未トリミングビデオ内の異常イベントを含む時間間隔をピンポイントする。 しかし、高密度なフレームレベルのアノテーションがないため、しばしば既存のWS-VADメソッドで不完全なローカライゼーションが発生するため、大きな課題が生じる。 この問題に対処するために,視覚と言語間のカテゴリ認識とカテゴリ認識のセマンティクスの両方を符号化する2つの構造を特徴とする,新たなLEC-VAD,Learning Event Completeness for Weakly Supervised Video Anomaly Detectionを提案する。 LEC-VAD内では、異常認識されたガウス混合を利用して正確なイベント境界を学習し、より完全なイベントインスタンスを生成する意味規則を考案する。 さらに,不規則なカテゴリに関連付けられた簡潔なテキスト記述を豊かにするための,メモリバンクベースの新しいプロトタイプ学習機構を開発した。 このイノベーションは、WS-VADを進める上で重要な、テキストの表現力を強化します。 我々のLEC-VADは、XD-ViolenceとUCF-Crimeの2つのベンチマークデータセット上で、最先端の手法よりも顕著に進歩していることを示す。

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)
• LaSe-E2V: Towards Language-guided Semantic-Aware Event-to-Video Reconstruction [8.163356555241322]
  セマンティック・アウェアの高品質なE2V再構成を実現する新しいフレームワークであるLaSe-E2Vを提案する。 まずイベント誘導時空間アテンション(ESA)モジュールを提案する。 次に、時間的コヒーレンスを確保するためのイベント対応マスクロスと、空間的一貫性を高めるためのノイズ戦略を導入する。
  論文  参考訳（メタデータ） (2024-07-08T01:40:32Z)
• MissionGNN: Hierarchical Multimodal GNN-based Weakly Supervised Video Anomaly Recognition with Mission-Specific Knowledge Graph Generation [5.0923114224599555]
  ビデオ異常検出とビデオ異常認識は、インテリジェントな監視、証拠調査、暴力警告などの応用において極めて重要である。 これらのタスクは、極めて不均衡なデータと、教師付き学習のための広範囲なフレームレベルのデータアノテーションの非現実性をもたらす異常の出現によって、重大な課題に直面している。 本稿では、最先端の大規模言語モデルと総合知識グラフを活用して、VARにおける弱教師付き学習を効果的に行うことで、これらの課題に対処する新しい階層型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。
  論文  参考訳（メタデータ） (2024-06-27T01:09:07Z)
• Towards Video Anomaly Retrieval from Video Anomaly Detection: New Benchmarks and Model [70.97446870672069]
  ビデオ異常検出(VAD)はその潜在的な応用により注目されている。 Video Anomaly Retrieval (VAR)は、関連のある動画をモダリティによって実用的に検索することを目的としている。 一般的な異常データセットの上に構築されたUCFCrime-ARとXD-Violenceの2つのベンチマークを示す。
  論文  参考訳（メタデータ） (2023-07-24T06:22:37Z)
• Video Abnormal Event Detection by Learning to Complete Visual Cloze Tests [50.1446994599891]
  ビデオ異常事象(VAD)は、大まかにラベル付けされた通常のビデオでのみ学習を必要とする、重要な半教師付きタスクである。 本稿では,視覚的クローゼテスト(VCT)の完了を学習することで,視覚的クローゼ(VCC)という新しいアプローチを提案する。 我々はVCCが最先端のVAD性能を達成することを示す。
  論文  参考訳（メタデータ） (2021-08-05T04:05:36Z)
• Cloze Test Helps: Effective Video Anomaly Detection via Learning to Complete Video Events [41.500063839748094]
  異常検出(VAD)は、ディープニューラルネットワーク(DNN)を介して実りある進歩を遂げた 言語研究で頻繁に使用されるクローゼテストに触発されて,ビデオイベントコンプリート(VEC)という新しいVADソリューションを提案する。 VECは、一般的に使用されているVADベンチマークにおいて、顕著なマージン(典型的には1.5%-5% AUD)によって、最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2020-08-27T08:32:51Z)
• Uncertainty-Aware Weakly Supervised Action Detection from Untrimmed Videos [82.02074241700728]
  本稿では,ビデオフレームラベルのみを用いてトレーニングした,禁止レベルの行動認識モデルを提案する。 人1人当たりの手法は、複数のインスタンス学習フレームワーク内の大規模な画像データセットで訓練されている。 標準的な多重インスタンス学習の仮定では、各バッグには、指定されたラベルを持つ少なくとも1つのインスタンスが含まれているという仮定が無効である場合、どのようにメソッドを適用するかを示す。
  論文  参考訳（メタデータ） (2020-07-21T10:45:05Z)

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。