論文の概要: Learning Where and When: Patch-Based Spatiotemporal Localization in Weakly Supervised Video Anomaly Detection
- arxiv url: http://arxiv.org/abs/2606.29498v1
- Date: Sun, 28 Jun 2026 16:52:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.943191
- Title: Learning Where and When: Patch-Based Spatiotemporal Localization in Weakly Supervised Video Anomaly Detection
- Title（参考訳）: 弱教師付きビデオ異常検出におけるパッチによる時空間局所化の学習
- Abstract要約: 弱教師付き異常局所化のためのパッチ時間フレームワークを提案する。
本稿では,モデルが空間的不規則写像を細粒度に生成できる確率的時間的トポック選択法を提案する。
提案手法は,複数のベンチマークにまたがる既存手法を超越し,空間的に監督された局所化精度を大幅に向上させる。
- 参考スコア（独自算出の注目度）: 12.15221664801473
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Weakly supervised video anomaly detection (WSVAD) has predominantly focused on temporal localization, identifying when anomalies occur while largely neglecting their spatial extent within frames. Yet, spatial localization is essential for interpretability and practical deployment in real-world settings. We introduce a patch-based spatiotemporal framework for weakly supervised anomaly localization that jointly models where and when anomalies occur. Our approach operates on grid-level patch features and learns region-level anomaly scores under a multiple instance learning paradigm. We further propose a Proximity-Aware Top-k spatiotemporal selection strategy that enables the model to generate fine-grained spatial anomaly maps without requiring bounding-box supervision during training. Our method surpasses existing state-of-the-art approaches across multiple benchmarks, yielding substantial gains in spatiotemporal localization accuracy. In addition, we release frame-level bounding-box annotations for the test sets of two widely used datasets, along with our code and pretrained models, providing new resources to facilitate future research in spatially grounded WSVAD.
- Abstract（参考訳）: 弱教師付きビデオ異常検出(WSVAD)は、主に時間的局所化に焦点を合わせ、フレーム内の空間的範囲をほとんど無視しながら、いつ異常が発生するかを特定する。
しかし,空間的ローカライゼーションは現実の環境での解釈可能性や実践的展開に不可欠である。
本稿では,異常発生の場所と時刻を共同でモデル化する,弱教師付き異常局所化のためのパッチベースの時空間フレームワークを提案する。
提案手法はグリッドレベルのパッチ機能を活用し,複数のインスタンス学習パラダイムの下で領域レベルの異常スコアを学習する。
さらに,トレーニング中に境界ボックスの監督を必要とせず,詳細な空間異常マップを生成可能な,近接性を考慮したTop-k時空間選択戦略を提案する。
提案手法は,複数のベンチマークにまたがる既存手法を超越し,時空間局所化精度を大幅に向上させる。
さらに、広く使われている2つのデータセットのテストセットに対するフレームレベルのバウンディングボックスアノテーションと、コードと事前訓練されたモデルをリリースし、空間的に接地されたWSVADにおける将来の研究を促進するための新たなリソースを提供する。
関連論文リスト
- Localizing to Debias: A Patch-Level Benchmark and Baseline for Weakly Supervised Spatial Anomaly Detection [7.474723197425266]
本研究では,時間的異常検出を微細な空間的局所化でブリッジするスパース時間的枠組みを提案する。
SST-WSDLVAは動的スパーシフィケーションを通して最も異常な時間領域に焦点を当てている。
我々は3つの公開データセットに対するフレームレベルの空間アノテーションとメソッドに依存しない評価を公開している。
論文 参考訳（メタデータ） (2026-08-12T13:27:20Z) - POST: Prior-Observation Adversarial Learning of Spatio-Temporal Associations for Multivariate Time Series Anomaly Detection [10.26613829763125]
本稿では,先行観測学習パラダイムを統一する新しいフレームワークを提案する。
空間次元において、モデルはトレーニング中に、事前観測とデータ駆動観測の相違を最小限の方法で再構成する。
このような逆最適化は、時間的検出に対するモデルの感度を向上するだけでなく、特定のチャネルに異常をローカライズすることを可能にする。
論文 参考訳（メタデータ） (2026-05-18T09:34:14Z) - CaC: Advancing Video Reward Models via Hierarchical Spatiotemporal Concentrating [49.94171749437024]
本稿では,ビジョンランゲージモデルに基づく粗大な異常報酬モデルである集中と集中(CaC)を提案する。
フレーム単位のバウンディングボックスアノテーション,時間的異常ウィンドウ,微粒な属性ラベルを備えた,最初の大規模ビデオ異常データセットを構築した。
実験では、CaCは微妙な異常に安定して集中することができ、微細な異常ベンチマークの精度が25.7%向上した。
論文 参考訳（メタデータ） (2026-05-12T08:08:33Z) - 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) - GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。
本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。
提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
論文 参考訳（メタデータ） (2024-07-17T09:27:41Z) - Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。
さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。
提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
論文 参考訳（メタデータ） (2023-11-27T13:14:06Z) - Geo-Adaptive Deep Spatio-Temporal predictive modeling for human mobility [5.864710987890994]
深部GA-vLSは、データが不規則なデータを扱うという課題に直面し、定形かつ規則的なテンソル形状のデータを仮定する。
本稿では,その再帰的メカニズムを維持しつつ,新たなデータ構造に基づくジオアウェアな学習操作を提案する。
論文 参考訳（メタデータ） (2022-11-27T16:51:28Z) - Spatio-temporal predictive tasks for abnormal event detection in videos [60.02503434201552]
オブジェクトレベルの正規化パターンを学習するための制約付きプレテキストタスクを提案する。
我々のアプローチは、ダウンスケールの視覚的クエリとそれに対応する正常な外観と運動特性のマッピングを学習することである。
いくつかのベンチマークデータセットの実験では、異常の局所化と追跡のためのアプローチの有効性が示されている。
論文 参考訳（メタデータ） (2022-10-27T19:45:12Z) - Unsupervised Domain Adaptation for Spatio-Temporal Action Localization [69.12982544509427]
S時間動作の局所化はコンピュータビジョンにおいて重要な問題である。
本稿では、エンドツーエンドの教師なしドメイン適応アルゴリズムを提案する。
空間的特徴と時間的特徴を別々にあるいは共同的に適応した場合に,顕著な性能向上が達成できることを示す。
論文 参考訳（メタデータ） (2020-10-19T04:25:10Z) - Localizing Anomalies from Weakly-Labeled Videos [45.58643708315132]
Weakly Supervised Anomaly Localization (WSAL)法を提案する。
異常映像の出現差にインスパイアされ, 隣接する時間領域の進化を異常映像の局所化のために評価した。
提案手法は,UCF-CrimeおよびTADデータセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2020-08-20T12:58:03Z)
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。