論文の概要: ALFred: An Active Learning Framework for Real-world Semi-supervised Anomaly Detection with Adaptive Thresholds

• arxiv url: http://arxiv.org/abs/2508.09058v1
• Date: Tue, 12 Aug 2025 16:18:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-13 21:07:34.502963
• Title: ALFred: An Active Learning Framework for Real-world Semi-supervised Anomaly Detection with Adaptive Thresholds
• Title（参考訳）: ALFred:適応閾値を用いた実世界の半教師付き異常検出のためのアクティブラーニングフレームワーク
• Authors: Shanle Yao, Ghazal Alinezhad Noghre, Armin Danesh Pazho, Hamed Tabkhi,
• Abstract要約: ビデオ異常検出(VAD)は、ビデオ中の異常な活動を見つける上で重要な役割を果たす。 VADは、人間の行動の動的な性質、環境の変化、ドメインシフトにより、現実世界での使用が困難である。 VADに適したアクティブラーニングフレームワークを導入する。
• 参考スコア（独自算出の注目度）: 2.1374208474242815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video Anomaly Detection (VAD) can play a key role in spotting unusual activities in video footage. VAD is difficult to use in real-world settings due to the dynamic nature of human actions, environmental variations, and domain shifts. Traditional evaluation metrics often prove inadequate for such scenarios, as they rely on static assumptions and fall short of identifying a threshold that distinguishes normal from anomalous behavior in dynamic settings. To address this, we introduce an active learning framework tailored for VAD, designed for adapting to the ever-changing real-world conditions. Our approach leverages active learning to continuously select the most informative data points for labeling, thereby enhancing model adaptability. A critical innovation is the incorporation of a human-in-the-loop mechanism, which enables the identification of actual normal and anomalous instances from pseudo-labeling results generated by AI. This collected data allows the framework to define an adaptive threshold tailored to different environments, ensuring that the system remains effective as the definition of 'normal' shifts across various settings. Implemented within a lab-based framework that simulates real-world conditions, our approach allows rigorous testing and refinement of VAD algorithms with a new metric. Experimental results show that our method achieves an EBI (Error Balance Index) of 68.91 for Q3 in real-world simulated scenarios, demonstrating its practical effectiveness and significantly enhancing the applicability of VAD in dynamic environments.
• Abstract（参考訳）: ビデオ異常検出(VAD)は、ビデオ中の異常な活動を見つける上で重要な役割を果たす。 VADは、人間の行動の動的な性質、環境の変化、ドメインシフトにより、現実世界での使用が困難である。 従来の評価指標は、静的な仮定に依存しており、動的設定における異常な振る舞いと正常を区別する閾値を識別できないため、このようなシナリオでは不十分であることが多い。 そこで本研究では,現実の環境の変化に対応するために,VADに適した能動的学習フレームワークを提案する。 我々のアプローチは、アクティブラーニングを活用して、ラベル付けのための最も情報性の高いデータポイントを連続的に選択し、モデル適応性を向上させる。 重要なイノベーションは、AIが生成した擬似ラベル結果から、実際の正常および異常なインスタンスを識別可能にする、ヒューマン・イン・ザ・ループ機構の導入である。 この収集されたデータは、フレームワークが異なる環境に合わせて調整された適応しきい値を定義することを可能にする。 実世界の条件をシミュレートするラボベースのフレームワークで実装された当社のアプローチでは,新たなメトリックによる厳密なテストと改良が実現されている。 実世界のシミュレーションシナリオにおいて,本手法は実世界のシナリオにおいて68.91のEBI(エラーバランス指数)を達成し,その実用性を実証し,動的環境におけるVADの適用性を著しく向上することを示した。

関連論文リスト

• Embodied Domain Adaptation for Object Detection [23.122536587620523]
  我々は、ソースデータにアクセスせずに事前訓練されたモデルに適応するSource-Free Domain Adaptation (SFDA)アプローチを導入する。 実験の結果,ゼロショット検出性能が向上し,動的室内条件への柔軟な適応が得られた。
  論文  参考訳（メタデータ） (2025-06-27T02:28:19Z)
• Counterfactual experience augmented off-policy reinforcement learning [9.77739016575541]
  CEAは効率的な推論モデルを構築し、学習データの表現性を向上する。 変分オートエンコーダを使用して状態遷移の動的パターンをモデル化する。 学習データのアウト・オブ・ディストリビューション問題を緩和するために、完全な反ファクト体験を構築する。
  論文  参考訳（メタデータ） (2025-03-18T02:32:50Z)
• SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation On Diverse Modalities [55.87169702896249]
  Unsupervised Domain Adaptation (DA) は、ラベル付きソースドメインでトレーニングされたモデルを適用して、ラベルなしのターゲットドメインでデータ分散シフトをうまく実行する。 本稿では,再重み付け,マッピング,部分空間アライメントなど,既存の浅層アルゴリズムの完全かつ公平な評価を行う。 本ベンチマークでは,現実的な検証の重要性を強調し,現実的なアプリケーションに対する実践的なガイダンスを提供する。
  論文  参考訳（メタデータ） (2024-07-16T12:52:29Z)
• Exploring Test-Time Adaptation for Object Detection in Continually Changing Environments [20.307151769610087]
  連続的テスト時間適応(CTTA)は、目標ドメインを継続的に変更するソーストレーニングモデルに徐々に適応する、有望な手法として登場した。 我々は3つのコアコンポーネントを特徴とするAMRODについて,CTTAシナリオにおける検出モデルに対するこれらの課題に対処する。 我々は,AMRODが既存の方法よりも優れている4つのCTTAオブジェクト検出タスクにおいて,AMRODの有効性を実証する。
  論文  参考訳（メタデータ） (2024-06-24T08:30:03Z)
• Evaluating the Effectiveness of Video Anomaly Detection in the Wild: Online Learning and Inference for Real-world Deployment [2.1374208474242815]
  Video Anomaly Detection (VAD) は、監視から医療まで幅広い応用の鍵となる、ビデオストリームにおける異常な活動を特定する。 実生活環境でのVADに取り組むことは、人間の行動の動的な性質、環境の変化、ドメインシフトによって大きな課題となる。 オンライン学習は、モデルを新しい情報に継続的に適応させることによって、この問題を軽減するための潜在的戦略である。
  論文  参考訳（メタデータ） (2024-04-29T14:47:32Z)
• A Conditioned Unsupervised Regression Framework Attuned to the Dynamic Nature of Data Streams [0.0]
  本稿では,制限付きラベル付きデータを用いたストリーミング環境の最適戦略を提案し,教師なし回帰のための適応手法を提案する。 提案手法は,初期ラベルのスパースセットを活用し,革新的なドリフト検出機構を導入する。 適応性を高めるために,Adaptive WINdowingアルゴリズムとRoot Mean Square Error (RMSE)に基づく誤り一般化アルゴリズムを統合する。
  論文  参考訳（メタデータ） (2023-12-12T19:23:54Z)
• ViDA: Homeostatic Visual Domain Adapter for Continual Test Time Adaptation [48.039156140237615]
  目標ドメインの継続的な変更に事前訓練されたモデルを適用するために、連続的なテスト時間適応タスクを提案する。 我々はCTTA用のVisual Domain Adapter (ViDA) を設計し、ドメイン固有知識とドメイン共有知識の両方を明示的に扱う。 提案手法は,CTTAタスクの分類とセグメント化の両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-06-07T11:18:53Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)
• Learning to Continuously Optimize Wireless Resource In Episodically Dynamic Environment [55.91291559442884]
  この研究は、データ駆動型手法が動的環境で継続的に学習し、最適化できる方法論を開発する。 本稿では,無線システム学習のモデリングプロセスに連続学習の概念を構築することを提案する。 我々の設計は、異なるデータサンプル間で「一定の公正性を保証する」新しいmin-maxの定式化に基づいている。
  論文  参考訳（メタデータ） (2020-11-16T08:24:34Z)

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。