論文の概要: Towards Video Anomaly Detection from Event Streams: A Baseline and Benchmark Datasets

• arxiv url: http://arxiv.org/abs/2603.24991v1
• Date: Thu, 26 Mar 2026 03:33:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.080177
• Title: Towards Video Anomaly Detection from Event Streams: A Baseline and Benchmark Datasets
• Title（参考訳）: イベントストリームからのビデオ異常検出に向けて:ベースラインとベンチマークデータセット
• Authors: Peng Wu, Yuting Yan, Guansong Pang, Yujia Sun, Qingsen Yan, Peng Wang, Yanning Zhang,
• Abstract要約: イベントベースの異常検出を統一研究の方向性として確立するための第一歩を踏み出す。 まず、同期イベントとRGB記録を特徴とする、ビデオ異常検出のための複数のイベントストリームベースのベンチマークを構築した。 次に,EVent中心のビデオ異常検出フレームワークであるEWADを提案する。
• 参考スコア（独自算出の注目度）: 71.53287557600177
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event-based vision, characterized by low redundancy, focus on dynamic motion, and inherent privacy-preserving properties, naturally fits the demands of video anomaly detection (VAD). However, the absence of dedicated event-stream anomaly detection datasets and effective modeling strategies has significantly hindered progress in this field. In this work, we take the first major step toward establishing event-based VAD as a unified research direction. We first construct multiple event-stream based benchmarks for video anomaly detection, featuring synchronized event and RGB recordings. Leveraging the unique properties of events, we then propose an EVent-centric spatiotemporal Video Anomaly Detection framework, namely EWAD, with three key innovations: an event density aware dynamic sampling strategy to select temporally informative segments; a density-modulated temporal modeling approach that captures contextual relations from sparse event streams; and an RGB-to-event knowledge distillation mechanism to enhance event-based representations under weak supervision. Extensive experiments on three benchmarks demonstrate that our EWAD achieves significant improvements over existing approaches, highlighting the potential and effectiveness of event-driven modeling for video anomaly detection. The benchmark datasets will be made publicly available.
• Abstract（参考訳）: イベントベースのビジョンは、低冗長性、動的動き、固有のプライバシー保護特性に特化しており、ビデオ異常検出(VAD)の要求に自然に適合する。 しかし、イベントストリーム異常検出専用データセットや効果的なモデリング戦略が欠如していることは、この分野の進歩を著しく妨げている。 本研究では,イベントベースのVADを統一研究の方向性として確立するための第一歩を踏み出す。 まず、同期イベントとRGB記録を特徴とする、ビデオ異常検出のための複数のイベントストリームベースのベンチマークを構築した。 イベントの特徴を生かして,イベントの固有特性を生かしたイベント密度認識動的サンプリング戦略,スパースイベントストリームからコンテキスト関係をキャプチャする密度変調時間モデリングアプローチ,弱い監視下でのイベントベース表現を強化するRGB-to-eventナレッジ蒸留機構,の3つの重要なイノベーションを盛り込んだ,EVent中心の時空間ビデオ異常検出フレームワーク,すなわちEWADを提案する。 3つのベンチマークによる大規模な実験により、EWADは既存のアプローチよりも大幅に改善され、ビデオ異常検出のためのイベント駆動モデリングの可能性と有効性を強調した。 ベンチマークデータセットは一般公開される予定だ。

関連論文リスト

• EPRBench: A High-Quality Benchmark Dataset for Event Stream Based Visual Place Recognition [54.55914886780534]
  イベントストリームに基づく視覚的位置認識(VPR)は、従来の可視光カメラの不安定性に対して、低照度、過剰露光、高速モーションといった困難な条件下で魅力的な解決策を提供する、新たな研究方向である。 イベントストリームベースのVPR用に特別に設計された高品質なベンチマークであるEPRBenchを紹介する。 EPRBenchは10Kのイベントシーケンスと65Kのイベントフレームで構成され、ハンドヘルドと車載のセットアップを使用して収集され、さまざまな視点、気象条件、照明シナリオで現実世界の課題を包括的にキャプチャする。
  論文  参考訳（メタデータ） (2026-02-13T13:25:05Z)
• EHGCN: Hierarchical Euclidean-Hyperbolic Fusion via Motion-Aware GCN for Hybrid Event Stream Perception [57.54227977352417]
  イベントカメラは、知覚タスクのための高速なイベントストリームを出力する。 ユークリッド空間と双曲空間の両方においてイベントストリームを知覚するためのEHGCNという新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-04-23T11:01:03Z)
• EventVAD: Training-Free Event-Aware Video Anomaly Detection [19.714436150837148]
  EventVADはイベント対応のビデオ異常検出フレームワークである。 調整された動的グラフアーキテクチャとマルチモーダル・イベント推論を組み合わせる。 トレーニング不要な環境での最先端(SOTA)を実現し、7B以上のMLLMを使用する強力なベースラインを上回ります。
  論文  参考訳（メタデータ） (2025-04-17T16:59:04Z)
• Event Stream-based Visual Object Tracking: HDETrack V2 and A High-Definition Benchmark [36.9654606035663]
  本稿では,学生トランスフォーマーネットワークの学習を支援するために,新しい階層的知識蒸留戦略を導入する。 新たに提案したテストタイムチューニング戦略により,テスト対象オブジェクトに対してネットワークモデルを適用する。 大規模なイベントベースのトラッキングデータセットであるEventVOTを提案する。
  論文  参考訳（メタデータ） (2025-02-08T13:59:52Z)
• Multimodal Attention-Enhanced Feature Fusion-based Weekly Supervised Anomaly Violence Detection [1.9223495770071632]
  このシステムは、RGBビデオ、光フロー、オーディオ信号の3つの特徴ストリームを使用し、それぞれのストリームが相補的な空間的特徴と時間的特徴を抽出する。 このシステムは3つのデータセットの異常検出精度とロバスト性を大幅に改善する。
  論文  参考訳（メタデータ） (2024-09-17T14:17:52Z)
• SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
  SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。 SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
  論文  参考訳（メタデータ） (2023-09-29T05:13:43Z)
• Dual Memory Aggregation Network for Event-Based Object Detection with Learnable Representation [79.02808071245634]
  イベントベースのカメラはバイオインスパイアされたセンサーで、各ピクセルの明るさ変化を非同期に捉える。 イベントストリームは、正極性と負極性の両方のためにx-y-t座標の格子に分割され、3次元テンソル表現として柱の集合が生成される。 長メモリは適応型convLSTMの隠れ状態に符号化され、短メモリはイベントピラー間の空間的時間的相関を計算することによってモデル化される。
  論文  参考訳（メタデータ） (2023-03-17T12:12:41Z)
• AntPivot: Livestream Highlight Detection via Hierarchical Attention Mechanism [64.70568612993416]
  本稿では,Livestream Highlight Detectionという新たなタスクを定式化し,上記の課題を議論・分析し,新しいアーキテクチャAntPivotを提案する。 我々は、このタスクをインスタンス化し、我々のモデルの性能を評価するために、完全に注釈付きデータセットAntHighlightを構築した。
  論文  参考訳（メタデータ） (2022-06-10T05:58:11Z)

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。