論文の概要: Localizing to Debias: A Patch-Level Benchmark and Baseline for Weakly Supervised Spatial Anomaly Detection
- arxiv url: http://arxiv.org/abs/2608.12045v1
- Date: Wed, 12 Aug 2026 13:27:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.591814
- Title: Localizing to Debias: A Patch-Level Benchmark and Baseline for Weakly Supervised Spatial Anomaly Detection
- Title（参考訳）: Debias へのローカライズ: 弱監視空間異常検出のためのパッチレベルベンチマークとベースライン
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.474723197425266
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Despite growing interest in weakly supervised video anomaly detection (WSVAD), current methods struggle to bridge the gap between coarse temporal supervision and fine-grained spatial reasoning. A key obstacle is the tendency of temporal detectors to latch onto background and scene-level cues rather than truly discriminative anomaly evidence. This background bias raises ethical concerns: models may inadvertently associate anomalies with societal or environmental context rather than authentic crime-related cues. Without spatial grounding, such biases remain hidden and unauditable. To address this, we propose SST-WSVADL, a sparse spatio-temporal framework that bridges temporal anomaly detection with fine-grained spatial localization. Rather than processing all spatial regions indiscriminately, SST-WSVADL progressively focuses on the most anomaly-relevant spatio-temporal regions through dynamic sparsification, naturally suppressing background dominant content while preserving discriminative evidence. The temporal and spatial branches are coupled end-to-end via motion-aware regularization that guides sparsification toward dynamically informative regions, without relying on external detectors or vision-language prompts. We publicly release frame-level spatial annotations and a method-agnostic evaluation protocol for three public datasets: UCF-Crime, XD-Violence, and MSAD. These resources enable the community to audit spatial biases in WSVAD predictions, supporting progress toward more ethical and accountable anomaly detection. Experiments demonstrate that SST-WSVADL is competitive with prior methods across benchmarks while enabling localization and patch-level auditability of scene bias, providing a reproducible foundation for interpretability-oriented evaluation of WSVAD models.
- Abstract（参考訳）: 弱教師付きビデオ異常検出(WSVAD)への関心が高まっているにもかかわらず、現在の手法は、粗い時間的監督ときめ細かい空間的推論のギャップを埋めるのに苦労している。
重要な障害は、時間検出器が真に差別的な異常な証拠ではなく、背景やシーンレベルの手がかりに干渉する傾向があることである。
この背景バイアスは倫理的懸念を生じさせ、モデルは真に犯罪に関連する手がかりではなく、必然的に異常と社会や環境の文脈を関連付ける。
空間的な接地がなければ、そのような偏見は隠され、疑わしいままである。
そこで本稿では,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空間フレームワークであるSST-WSVADLを提案する。
全ての空間領域を無差別に処理するのではなく、SST-WSVADLは動的スペーサー化を通じて最も異常に関連のある時空間領域に徐々に焦点を合わせ、識別的証拠を保存しながら、背景支配的コンテンツを自然に抑制する。
時間分枝と空間分枝は、外部検出器や視覚言語プロンプトに頼ることなく、ダイナミックな情報領域へのスパーシフィケーションを誘導する動き認識正規化を介して、エンドツーエンドに結合される。
我々は,UCF-Crime,XD-Violence,MSADの3つの公開データセットに対して,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プロトコルを公開している。
これらのリソースにより、コミュニティはWSVAD予測における空間バイアスを監査し、より倫理的で説明可能な異常検出に向けた進歩を支援することができる。
実験により,SST-WSVADLは,現場バイアスの局所化とパッチレベルの監査性を実現し,WSVADモデルの解釈可能性指向評価のための再現可能な基盤を提供するとともに,ベンチマーク間の先行手法と競合することが示された。
関連論文リスト
- Making Every Step Count: Spatio-Temporal Information Allocation for Imaging Inverse Problems [63.904793414062816]
スペクトルベーススケジューリング(SAS)と計測分割アテンション(MPA)の2つの補完的およびトレーニング不要なコンポーネントを紹介する。
SASは、利用可能なNFEを、スペクトルおよびlogSNR幾何に従ってフロータイムに分散し、セマンティック探索と詳細精細化のバランスを良くする。
MPAは情報を弱い制約のある領域へ誘導し、意味的および構造的忠実性を高める。
論文 参考訳（メタデータ） (2026-08-12T07:39:22Z) - LARAD: Layout-Aware Road Anomaly Detection via Spatial-Logic Reasoning [16.92190487823839]
本稿では,外見整合から空間論理的推論へパラダイムをシフトさせるレイアウトアウェア道路異常検出(LARAD)を提案する。
まず、テクスチャに一貫性があるが空間的に無効なトレーニングサンプルを生成するSpatial-Logic Violation Synthesis Pipelineを紹介する。
第二に、OoD誘導の軽量なアテンションブランチにより、標準的なクローズドセットセグメンテーションネットワークを増強する。
論文 参考訳（メタデータ） (2026-07-14T15:09:00Z) - Learning Where and When: Patch-Based Spatiotemporal Localization in Weakly Supervised Video Anomaly Detection [12.15221664801473]
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。
論文 参考訳（メタデータ） (2026-06-28T16:52:29Z) - VACE: Learning Geometrically Structured Representations for Time Series Anomaly Detection [0.788278500923222]
VACEは自己監督型異常検出法である。
これは埋め込み空間におけるコンパクトで方向整合性のある領域を表す。
より大規模な予算で訓練された、より複雑な手法よりもはるかに優れています。
論文 参考訳（メタデータ） (2026-05-22T11:07:09Z) - Learning Uncertainty from Sequential Internal Dispersion in Large Language Models [52.29267172760918]
不確実性推定は、大規模言語モデルにおける幻覚を検出するための有望なアプローチである。
最近の手法は一般に不確実性を推定するために内部状態のモデルに依存する。
本稿では,教師付き幻覚検出フレームワークであるシークエンシャル内部変数表現(SIVR)を提案する。
論文 参考訳（メタデータ） (2026-04-17T06:31:29Z) - ASTER: Latent Pseudo-Anomaly Generation for Unsupervised Time-Series Anomaly Detection [13.213712558290823]
時系列異常検出は、産業監視、医療、サイバーセキュリティといった分野において重要である。
本稿では,擬似アノマリーを潜在空間で直接生成するフレームワークであるASTERを提案する。
潜時空間デコーダは、Transformerベースの異常をトレーニングするために、カスタマイズされた擬似アノマリーを生成する。
事前訓練されたLLMは、この空間の時間的および文脈的表現を豊かにする。
論文 参考訳（メタデータ） (2026-04-15T14:32:35Z) - Early Decisions Matter: Proximity Bias and Initial Trajectory Shaping in Non-Autoregressive Diffusion Language Models [54.16797570104461]
拡散ベースの言語モデル (dLLMs) は自己回帰型言語モデルに代わる有望な代替品として登場した。
時間軸に沿った推論ダイナミクスを系統的に解析し, dLLMの非自己回帰復号化について検討した。
論文 参考訳（メタデータ） (2026-04-12T10:26:41Z) - Dual-Stage Invariant Continual Learning under Extreme Visual Sparsity [8.16821029459195]
背景駆動の勾配は、連続的なドメインシフトの間、機能のバックボーンを不安定にすることを示す。
連成蒸留による二段階不変連続学習フレームワークを提案する。
高分解能空間ベース RSO 検出データセットの実験は、確立された連続物体検出法よりも一貫した改善を示す。
論文 参考訳（メタデータ） (2026-03-27T09:03:49Z) - Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detection [50.343419243749054]
異常検出は、医学診断や工業的欠陥検出などの分野において重要である。
CLIPの粗粒化画像テキストアライメントは、微粒化異常に対する局所化と検出性能を制限する。
クレーンは最先端のZSADを2%から28%に改善し、画像レベルとピクセルレベルの両方で、推論速度では競争力を維持している。
論文 参考訳（メタデータ） (2025-04-15T10:42:25Z) - 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) - 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)
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。