論文の概要: Cross Pseudo Labeling For Weakly Supervised Video Anomaly Detection

• arxiv url: http://arxiv.org/abs/2602.17077v1
• Date: Thu, 19 Feb 2026 04:42:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:28.699967
• Title: Cross Pseudo Labeling For Weakly Supervised Video Anomaly Detection
• Title（参考訳）: 微妙に監視されたビデオ異常検出のためのクロス擬似ラベリング
• Authors: Lee Dayeon, Kim Dongheyong, Park Chaewon, Woo Sungmin, Lee Sangyoun,
• Abstract要約: クロス擬似ラベリングを用いたデュアルブランチフレームワークであるCPL-VADを提案する。 XD-ViolenceとUCF-Crimeの実験は、CPL-VADが異常検出と異常分類の両方において最先端の性能を達成することを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Weakly supervised video anomaly detection aims to detect anomalies and identify abnormal categories with only video-level labels. We propose CPL-VAD, a dual-branch framework with cross pseudo labeling. The binary anomaly detection branch focuses on snippet-level anomaly localization, while the category classification branch leverages vision-language alignment to recognize abnormal event categories. By exchanging pseudo labels, the two branches transfer complementary strengths, combining temporal precision with semantic discrimination. Experiments on XD-Violence and UCF-Crime demonstrate that CPL-VAD achieves state-of-the-art performance in both anomaly detection and abnormal category classification.
• Abstract（参考訳）: 弱教師付きビデオ異常検出は、異常を検出し、ビデオレベルのラベルだけで異常なカテゴリを特定することを目的としている。 クロス擬似ラベリングを用いたデュアルブランチフレームワークであるCPL-VADを提案する。 バイナリ異常検出枝はスニペットレベルの異常局所化に焦点を当て,カテゴリ分類枝は視覚言語アライメントを活用して異常事象のカテゴリを認識する。 擬似ラベルを交換することで、2つの枝は相補的な強度を伝達し、時間的精度と意味的識別を組み合わせた。 XD-ViolenceとUCF-Crimeの実験は、CPL-VADが異常検出と異常分類の両方において最先端の性能を達成することを示した。

関連論文リスト

• UniADC: A Unified Framework for Anomaly Detection and Classification [18.556123041540577]
  本稿では,画像中の異常領域を同時に検出し,特定のカテゴリを特定することを目的とした,統一された異常検出・分類の課題を紹介する。 異常検出と分類の統一モデルであるUniADCを提案する。 MVTec-FS,MTD,WFDDを含む3つの異常検出および分類データセットについて広範な実験を行い,UniADCは異常検出,局所化,分類において既存の手法より一貫して優れていることを示した。
  論文  参考訳（メタデータ） (2025-11-10T02:42:08Z)
• Towards Anomaly-Aware Pre-Training and Fine-Tuning for Graph Anomaly Detection [59.042018542376596]
  グラフ異常検出(GAD)は近年注目度が高まりつつあるが、2つの重要な要因があるため、依然として困難である。 Anomaly-Aware Pre-Training and Fine-Tuning (APF)は、GADの課題を軽減するためのフレームワークである。 10のベンチマークデータセットに関する総合的な実験は、最先端のベースラインと比較してAPFの優れたパフォーマンスを検証する。
  論文  参考訳（メタデータ） (2025-04-19T09:57:35Z)
• Anomize: Better Open Vocabulary Video Anomaly Detection [38.36290705266484]
  Open Vocabulary Video Anomaly Detectionは、ベースと新規の両方の異常を検出し分類する。 最初の課題は曖昧さの検出であり、モデルが正確な異常スコアを不慣れな異常に割り当てるのに苦労する。 第二の課題は分類の混乱であり、新しい異常はしばしば視覚的に類似したベースインスタンスとして誤って分類される。 そこで我々は,新しいラベルの符号化の指針となるラベル関係を取り入れ,新しいビデオと対応するラベルのアライメントを改善することを提案する。
  論文  参考訳（メタデータ） (2025-03-23T14:49:32Z)
• AFR-CLIP: Enhancing Zero-Shot Industrial Anomaly Detection with Stateless-to-Stateful Anomaly Feature Rectification [11.844008592270555]
  本稿では,CLIPに基づく異常特徴修正フレームワークであるAFR-CLIPを提案する。 視覚的特徴とテキスト的特徴のコサイン類似度を測定して異常マップを生成する。 産業と医療の領域にわたる11の異常検出ベンチマークで実験が行われた。
  論文  参考訳（メタデータ） (2025-03-17T08:18:55Z)
• BatchNorm-based Weakly Supervised Video Anomaly Detection [117.11382325721016]
  弱教師付きビデオ異常検出では、異常事象の時間的特徴は、しばしば異常な特性を示す。 本稿では,BatchNormをWVADに組み込んだBN-WVADを提案する。 提案したBN-WVADモデルでは、UCF-CrimeのAUCは87.24%、XD-Violenceは84.93%に達する。
  論文  参考訳（メタデータ） (2023-11-26T17:47:57Z)
• Open-Vocabulary Video Anomaly Detection [57.552523669351636]
  監視の弱いビデオ異常検出(VAD)は、ビデオフレームが正常であるか異常であるかを識別するためにビデオレベルラベルを利用する際、顕著な性能を達成した。 近年の研究は、より現実的な、オープンセットのVADに取り組み、異常や正常なビデオから見えない異常を検出することを目的としている。 本稿ではさらに一歩前進し、未確認および未確認の異常を検知・分類するために訓練済みの大規模モデルを活用することを目的とした、オープン語彙ビデオ異常検出(OVVAD)について検討する。
  論文  参考訳（メタデータ） (2023-11-13T02:54:17Z)
• A Coarse-to-Fine Pseudo-Labeling (C2FPL) Framework for Unsupervised Video Anomaly Detection [4.494911384096143]
  ビデオにおける異常事象の検出は、監視などのアプリケーションにおいて重要な問題である。 セグメントレベル(正規/異常)の擬似ラベルを生成する簡易な2段擬似ラベル生成フレームワークを提案する。 提案した粗大な擬似ラベル生成器は、慎重に設計された階層的分割クラスタリングと統計的仮説テストを用いている。
  論文  参考訳（メタデータ） (2023-10-26T17:59:19Z)
• Exploiting Completeness and Uncertainty of Pseudo Labels for Weakly Supervised Video Anomaly Detection [149.23913018423022]
  弱教師付きビデオ異常検出は、ビデオレベルのラベルのみを用いて、ビデオ内の異常事象を特定することを目的としている。 2段階の自己学習法は擬似ラベルの自己生成によって著しく改善されている。 本稿では,自己学習のための完全性と不確実性を利用した強化フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-08T05:53:53Z)

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。