論文の概要: Rethinking Open-World Video Anomaly Detection: Diagnosing Definition Blindness
- arxiv url: http://arxiv.org/abs/2607.20780v1
- Date: Wed, 22 Jul 2026 23:02:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.231701
- Title: Rethinking Open-World Video Anomaly Detection: Diagnosing Definition Blindness
- Title（参考訳）: オープンワールドビデオ異常検出の再考:定義盲の診断
- Abstract要約: オープンワールドビデオ異常検出(OWVAD)は、ユーザーが特定した異常の定義に一致する事象を検出することが期待されている。
現在のOWVAD評価は、この条件行動の分離にほとんど失敗している。
標準VADメトリクスと動的定義プロトコルは、ターゲット対逆正規分離によって支配される。
- 参考スコア（独自算出の注目度）: 2.3296196518120915
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Open-world video anomaly detection (OWVAD) is expected to detect events that match a user-specified definition of abnormality. This requirement is stronger than generic anomaly localization: in the same video, changing the definition should change which temporal regions are scored as anomalous. We show that current OWVAD evaluation largely fails to isolate this conditional behavior. Standard VAD metrics and the dynamic-definition protocol can be dominated by target-versus-normal separation, allowing models to obtain strong scores while remaining nearly insensitive to the queried definition. We call this failure mode definition blindness. To explain why it is missed, we decompose dynamic-definition evaluation into target-versus-normal detection and target-versus-other-anomaly discrimination, and find that the former receives 7.2-26.8$\times$ more weight across common VAD benchmarks. Motivated by this diagnosis, we introduce three definition-conditioned evaluation metrics, DC-Disc, DC-Det$Δ$, and DC-Sel$Δ$, which progressively remove normal-frame, generic-anomaly, and multi-event selection shortcuts. Experiments on UCF-Crime, XD-Violence, and MSAD reveal that several strong VAD, OWVAD, and general vision language model baselines localize anomalous moments but exhibit weak definition following, often with near-zero definition-response margins. To validate that the failure is actionable, we further introduce DeCoS, a definition-contrastive scoring rule that subtracts anomaly evidence shared across definitions. DeCoS improves the strongest baseline by 7.3-16.0 AUROC points on DC-Disc and 15.5-28.3 points on DC-Det$Δ$. Overall, our results argue that OWVAD should be evaluated as definition-conditioned anomaly scoring, not as anomaly detection under different prompt labels.
- Abstract（参考訳）: オープンワールドビデオ異常検出(OWVAD)は、ユーザーが特定した異常の定義に一致する事象を検出することが期待されている。
この要件は、一般的な異常な局所化よりも強く、同じビデオでは、時間領域が異常としてスコアされるように定義を変更する必要がある。
我々は,現在のOWVAD評価が,この条件付き行動の分離にほとんど失敗していることを示す。
標準VADメトリクスと動的定義プロトコルは、ターゲット-逆正規分離によって支配され、モデルはクエリ定義にほとんど依存せず、強いスコアを得ることができる。
私たちはこの障害モード定義を盲目と呼ぶ。
提案手法を欠いた理由を説明するため, 動的定義評価を対象対向正規検出と対象対向異性判別に分解し, 前者は共通VADベンチマークで7.2-26.8$\times$以上の重みを受信することを確認した。
本診断では,DC-Disc,DC-Det$Δ$,DC-Sel$Δ$の3つの定義条件評価指標を導入する。
UCF-Crime、XD-Violence、MSADの実験では、いくつかの強いVAD、OWVAD、一般的な視覚言語モデルは異常なモーメントを局所化するが、ほとんどゼロに近い定義-応答マージンを持つ弱い定義を示す。
障害が実行可能であることを検証するために、定義間で共有される異常な証拠を減じる定義に反するスコアリングルールであるDeCoSを導入する。
DeCoSは、DC-Discの7.3-16.0 AUROCポイント、DC-Det$Δ$の15.5-28.3ポイントで最強のベースラインを改善する。
以上の結果から,OWVADは定義条件付き異常スコアとして評価されるべきであり,異なるプロンプトラベルの下での異常検出として評価すべきではないと結論された。
関連論文リスト
- Calibration is the Bottleneck: An Action-Class Diagnostic of Multi-Turn Tool-Calling [65.03665015319457]
本稿では,マルチターン障害を2つのモードに分解するアクションクラス指向診断フレームワークを提案する。
複数のマルチターンベンチマークにまたがるツールコールモデルのパネル上で検証を行う。
論文 参考訳（メタデータ） (2026-09-01T09:08:15Z) - Beyond Static Anchors: Bounded Prototype Conditioning for Language-Free Medical Anomaly Detection [52.986874008247554]
本稿では,静的アンカーを入力条件付きビジュアルプロトタイプに置き換える言語フリーフレームワークReCAPを提案する。
ReCAPリセンターは、境界ゲート変調により、各画像の正常と異常なプロトタイプを分離した。
3つのセグメンテーションデータセットで最高のゼロショットレベルのAUROCと、24の複数ショット設定のうち23のゼロショットレベルのAUROCを達成する。
論文 参考訳（メタデータ） (2026-08-01T04:46:55Z) - Testing the Test: Score-Direction Instability in Class-Split Anomaly Detection [56.362776482614976]
データセット内のクラス分割評価は、完全に非条件のアウト・オブ・ディストリビューション異常検出のプロキシとして広く利用されている。
このプロトコルは、保持された異常クラスが表現空間の通常の混合と重なり合う場合、悪用される可能性があることを示す。
そこで本研究では,Fashion-MNIST,CIFAR-10,Imagenette間のスコア方向不安定性を予測する。
論文 参考訳（メタデータ） (2026-05-23T06:27:42Z) - AnomalyClaw: A Universal Visual Anomaly Detection Agent via Tool-Grounded Refutation [40.254835073578484]
AnomalyClawは、トレーニング不要な視覚異常検出剤である。
異常判定を多ラウンドの給油プロセスに変換する。
単一ステップの直接推論よりも一貫したマクロAUROC改善を実現している。
論文 参考訳（メタデータ） (2026-05-11T11:40:07Z) - Out of Context: Reliability in Multimodal Anomaly Detection Requires Contextual Inference [54.774686416991386]
我々は、マルチモーダルな異常検出は、クロスモーダルな文脈推論問題として再編成されるべきであると主張している。
この観点はモデル設計、評価プロトコル、ベンチマーク構築に影響を及ぼす。
論文 参考訳（メタデータ） (2026-04-14T19:32:55Z) - Relative Classification Accuracy: A Calibrated Metric for Identity Consistency in Fine-Grained K-pop Face Generation [0.0]
Denoising Diffusion Probabilistic Models (DDPM) は高忠実度画像生成において顕著な成功を収めた。
FID や Inception Score (IS) のような標準メトリクスは、そのような特殊なコンテキストにおけるアイデンティティの不一致を検出するのに失敗することが多い。
K-pop idol face generation (32x32) のクラス・コンディショナルDDPMについて検討した。
論文 参考訳（メタデータ） (2026-01-22T00:58:59Z) - Unified Unsupervised Anomaly Detection via Matching Cost Filtering [113.43366521994396]
教師なし異常検出(UAD)は、通常のトレーニングデータのみを用いて画像レベルの異常と画素レベルの異常を識別することを目的としている。
UADモデルの異常コスト量を補正するための汎用的なポストホック精錬フレームワークであるUnified Cost Filtering (UCF) を提案する。
論文 参考訳（メタデータ） (2025-10-03T03:28:18Z) - Language-guided Open-world Video Anomaly Detection under Weak Supervision [27.912128185225054]
ビデオ異常検出(VAD)は、期待から外れた異常を検出することを目的としている。
既存の方法では、異常の定義は不変であり、したがって開世界に適用できないと仮定している。
本稿では,ユーザが提案する自然言語を推論時にガイド付き検出できる,可変定義を持つ新しいオープンワールドVADパラダイムを提案する。
論文 参考訳（メタデータ） (2025-03-17T13:31:19Z) - 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) - Active Learning-based Isolation Forest (ALIF): Enhancing Anomaly
Detection in Decision Support Systems [2.922007656878633]
ALIFは一般的な孤立林の軽量な修正であり、他の最先端のアルゴリズムと比較して優れた性能を示した。
提案手法は,現実のシナリオでますます普及しているDSS(Decision Support System)の存在に特に注目されている。
論文 参考訳（メタデータ） (2022-07-08T14:36:38Z)
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。