論文の概要: A Survey on Video Anomaly Detection via Deep Learning: Human, Vehicle, and Environment

• arxiv url: http://arxiv.org/abs/2508.14203v1
• Date: Tue, 19 Aug 2025 18:50:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.249
• Title: A Survey on Video Anomaly Detection via Deep Learning: Human, Vehicle, and Environment
• Title（参考訳）: 深層学習による映像異常検出に関する調査--人・車・環境
• Authors: Ghazal Alinezhad Noghre, Armin Danesh Pazho, Hamed Tabkhi,
• Abstract要約: ビデオ異常検出(VAD)は、コンピュータビジョンにおいて重要なタスクとして登場し、複数の分野にまたがる幅広い関連性を持つ。 近年のディープラーニングの進歩はこの分野に大きな進歩をもたらしているが、この分野はドメインや学習パラダイムにまたがって断片化されている。 この調査は、様々な監督レベルの文献を体系的に整理し、VADに関する包括的な視点を提供する。
• 参考スコア（独自算出の注目度）: 2.3349787245442966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video Anomaly Detection (VAD) has emerged as a pivotal task in computer vision, with broad relevance across multiple fields. Recent advances in deep learning have driven significant progress in this area, yet the field remains fragmented across domains and learning paradigms. This survey offers a comprehensive perspective on VAD, systematically organizing the literature across various supervision levels, as well as adaptive learning methods such as online, active, and continual learning. We examine the state of VAD across three major application categories: human-centric, vehicle-centric, and environment-centric scenarios, each with distinct challenges and design considerations. In doing so, we identify fundamental contributions and limitations of current methodologies. By consolidating insights from subfields, we aim to provide the community with a structured foundation for advancing both theoretical understanding and real-world applicability of VAD systems. This survey aims to support researchers by providing a useful reference, while also drawing attention to the broader set of open challenges in anomaly detection, including both fundamental research questions and practical obstacles to real-world deployment.
• Abstract（参考訳）: ビデオ異常検出(VAD)は、コンピュータビジョンにおいて重要なタスクとして登場し、複数の分野にまたがる幅広い関連性を持つ。 近年のディープラーニングの進歩はこの分野に大きな進歩をもたらしているが、この分野はドメインや学習パラダイムにまたがって断片化されている。 この調査は、VADに関する総合的な視点を提供し、様々な監督レベルの文献を体系的に整理し、オンライン、アクティブ、継続的な学習のような適応的な学習方法を提供する。 人間中心、車中心、環境中心のシナリオで、それぞれ異なる課題と設計上の考慮事項を持つ。 そのために、現在の方法論の基本的貢献と限界を特定します。 サブフィールドからの洞察を集約することにより,VADシステムの理論的理解と実世界の適用性を両立させるための構造的な基盤をコミュニティに提供することを目的とする。 この調査は、研究者に有用な基準を提供することで支援することを目的としており、また、基本的な研究課題と現実のデプロイメントへの実践的障害の両方を含む、異常検出におけるより広範なオープンな課題に注意を向けている。

関連論文リスト

• Visual Hand Gesture Recognition with Deep Learning: A Comprehensive Review of Methods, Datasets, Challenges and Future Research Directions [5.983872847786255]
  視覚に基づく手ジェスチャー認識(VHGR)は、手話理解やカメラを用いた人間とコンピュータのインタラクションなど、幅広い用途を提供する。 この分野での膨大な研究にもかかわらず、VHGRに関する構造化された完全な調査はいまだに欠落している。 このレビューは、研究者が特定のVHGRタスクをディビングするための適切な戦略を選択するのを助けるために有用なガイドラインを構成することを目的としている。
  論文  参考訳（メタデータ） (2025-07-06T17:03:01Z)
• Unsupervised Object Discovery: A Comprehensive Survey and Unified Taxonomy [6.346947904159397]
  教師なしのオブジェクト発見は、一般に、ラベル付き例を必要とせず、視覚データ中のオブジェクトのローカライズおよび/または分類のタスクとして解釈される。 本調査では,既存のアプローチの詳細な調査を行い,課題と採用手法のファミリーに基づいて,この課題を体系的に分類する。 本稿では,共通データセットとメトリクスの概要を述べるとともに,評価プロトコルの違いによる手法の比較の課題について述べる。
  論文  参考訳（メタデータ） (2024-10-30T21:22:48Z)
• Deep Learning for Video Anomaly Detection: A Review [52.74513211976795]
  ビデオ異常検出(VAD)は、ビデオの正常性から逸脱する行動や事象を発見することを目的としている。 ディープラーニングの時代には、VADタスクには、さまざまなディープラーニングベースの方法が常に現れています。 このレビューでは、半教師付き、弱教師付き、完全教師付き、非教師付き、オープンセットの5つのカテゴリのスペクトルについて取り上げる。
  論文  参考訳（メタデータ） (2024-09-09T07:31:16Z)
• Video Anomaly Detection in 10 Years: A Survey and Outlook [10.143205531474907]
  ビデオ異常検出(VAD)は、監視、医療、環境監視といった様々な領域において非常に重要である。 この調査では、従来の教師付きトレーニングパラダイムを超えて、弱教師付き、自己監督型、教師なしのアプローチを包含する、ディープラーニングベースのVADを調査している。
  論文  参考訳（メタデータ） (2024-05-29T17:56:31Z)
• Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
  オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。 本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。 データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-24T19:32:39Z)
• Weakly Supervised Object Localization and Detection: A Survey [145.5041117184952]
  オブジェクトのローカライゼーションと検出は、新しい世代のコンピュータビジョンシステムを開発する上で重要な役割を果たす。 本稿では,(1)古典的モデル,(2)既成の深層ネットワークの特徴表現を用いたアプローチ,(3)ディープラーニングのみに基づくアプローチ,(4)この分野で広く利用されている公開データセットと標準評価指標についてレビューする。 この分野における重要な課題、この分野の開発履歴、各カテゴリーの手法の利点/欠点、異なるカテゴリーの方法間の関係、弱い監督対象のローカリゼーションおよび検出方法の適用、およびこの研究分野の開発をさらに促進するための潜在的な将来の方向性について議論します。
  論文  参考訳（メタデータ） (2021-04-16T06:44:50Z)
• Deep Learning for Sensor-based Human Activity Recognition: Overview, Challenges and Opportunities [52.59080024266596]
  本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。 まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。 次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
  論文  参考訳（メタデータ） (2020-01-21T09:55:59Z)

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。