論文の概要: Strictly Causal Streaming Video Anomaly Detection with a Theoretically-Grounded State-Space Core

• arxiv url: http://arxiv.org/abs/2608.24810v1
• Date: Tue, 25 Aug 2026 16:52:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:35.109329
• Title: Strictly Causal Streaming Video Anomaly Detection with a Theoretically-Grounded State-Space Core
• Title（参考訳）: 理論的に取り囲む状態空間コアを用いた厳密な因果ストリーミングビデオ異常検出
• Abstract要約: ルックアヘッドもクリップバッファリングも不要な因果ストリーミング異常検出器を導入する。 その時空コアは、入力と状態依存の崩壊ゲートを持つ対角線状状態空間の再発である。 繰り返し減衰スペクトルと検出遅延と、確実に捕捉できる最も短い異常との間に閉じた形状関係を導出する。
• 参考スコア（独自算出の注目度）: 2.648500779572419
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent work has applied Mamba style state space models (SSMs) to video anomaly detection, yet existing approaches still rely on buffering clips or windows internally, lack a theoretical account of how temporal memory relates to detection latency, and benchmark efficiency only through GPU throughput rather than the edge hardware these methods are intended to target. We introduce a strictly causal streaming anomaly detector whose fixed size state is updated in O(1) time and memory per incoming frame, with no lookahead and no clip buffering. Its temporal core is a diagonal linear state space recurrence with an input and state dependent decay gate, trained self supervised through causal next embedding prediction on a frozen visual backbone. We derive a closed form relationship between the recurrence decay spectrum and both detection delay and the shortest anomaly it can reliably capture, then validate empirically on UCSD Ped2 and CUHK Avenue. The settling delay bound predicted from the learned base decay (57 to 59 frames) sits far above the measured detection delay (1.6 and 18.4 frames), showing that the event boundary gate, not the base decay, governs responsiveness. We further report end to end latency and throughput measured directly on Apple M3 Pro hardware, 0.74 ms and 0.77 ms per frame (over 1300 FPS), rather than simulated GPU numbers. With an untuned initial configuration the method reaches 67.9 percent and 70.2 percent frame level AUC on Ped2 and Avenue, trailing prior non causal SSM baselines in accuracy. Ablations over decay rate, state size, and gating reveal that the gate contribution is dataset size dependent, hurting accuracy on the smaller Ped2 training set but helping on the larger Avenue one. Closing this accuracy gap and extending evaluation to a third, larger benchmark are immediate next steps.
• Abstract（参考訳）: 最近の研究は、ビデオ異常検出にMambaスタイルのステートスペースモデル(SSM)を適用しているが、既存のアプローチは、クリップやウィンドウをバッファリングすることに依存しており、時間記憶が検出遅延とどのように関係しているかの理論的な説明がない。 フレーム当たりのO(1)時間とメモリに一定サイズが更新され,ルックアヘッドもクリップバッファリングも不要な厳密な因果ストリーミング異常検出器を導入する。 その時空コアは、入力と状態依存の崩壊ゲートを持つ対角線状状態空間の再発であり、凍結した視覚バックボーンに次の埋め込み予測を施して、自らを指導した。 再帰減衰スペクトルと検出遅延と、確実に捕捉できる最も短い異常との間に閉じた関係を導出し、UCSD Ped2 と CUHK Avenue で実験的に検証した。 学習ベース崩壊から予測される沈降遅延(57〜59フレーム)は測定された検出遅延(1.6〜18.4フレーム)よりはるかに上に位置し、ベース崩壊ではなくイベント境界ゲートが応答性を支配する。 さらに、シミュレーションされたGPU数値ではなく、1フレームあたり0.74msと0.77ms(1300FPS以上)で、Apple M3 Proハードウェア上で直接計測されたエンドツーエンドのレイテンシとスループットを報告します。 未調整の初期設定では、Ped2とアベニューで67.9%と70.2%のフレームレベルAUCに達し、非因果SSMベースラインを正確に追従している。 崩壊率、状態サイズ、ゲーティングに対するアブレーションは、ゲートコントリビューションがデータセットサイズに依存しており、より小さなPed2トレーニングセットでは精度を損なうが、より大きなアベニュー1では有効であることを示している。 この精度のギャップを閉じ、評価を第3のより大きなベンチマークに拡張することは、すぐに次のステップとなる。

関連論文リスト

• TriCalRAG: A Three-Strategy, Retrieval-Augmented Benchmark for On-Premise LLM-Based Root Cause Analysis in AIOps [1.8136615181861766]
  クラウドホスト型大規模言語モデル(LLM)は、AIOpsパイプラインの根本原因分析(RCA)にますます使用されている。 データプライバシのリスク、ネットワークレイテンシ、および運用ログボリュームの低いクエリ単位のコストを導入している。 我々は,従来のLSTMを用いたログ異常検出器に対して,vLLMを介して局所的に提供されるオープンウェイトの評価ベンチマークであるRAGを提示する。
  論文  参考訳（メタデータ） (2026-09-13T19:52:46Z)
• The Low Frequency Trap: Video Language Models Fail at Simple Event Bookkeeping [70.07961857926377]
  3つの制御されたビデオタスクにおけるイベントカウントのためのトレーサグラウンドパラメトリックプロファイリングを導入する。 2,190本のビデオでは,レンダリングを保ちながらイベントカウントNと周波数Fが異なる。 80%の信頼性しきい値において、Gemini 3.6 Flashは、0.5Hzと1.0Hzの12イベントまでの永続的な状態遷移を確実にカウントするが、過渡的点滅イベントに対する信頼性の高い正カウント領域は示さない。
  論文  参考訳（メタデータ） (2026-08-06T17:57:06Z)
• NaviCache: Test-Time Self-Calibration Caching for Video Generation [82.90113757454375]
  NaviCacheはビデオ拡散モデルのためのテスト時間自己校正手法である。 基本的な領域ギャップと非定常的な拡散の性質を橋渡しする。 理論上は、誤差バウンド・スキップのメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-06-25T09:28:12Z)
• Temporal Backtracking Search for Test-time Generative Video Reasoning [51.4821857044108]
  生成的ビデオ推論は、シングルショットのパラダイムによってボトルネックになっている。 本稿では,検索空間を時間軸にシフトさせるTBS(Temporal Backtracking Search)を提案する。 厳格なアウト・オブ・ディストリビューション設定では、TBSは22.7%を達成し、解決された各エピソードは再起動されたブランチから始まる。
  論文  参考訳（メタデータ） (2026-06-11T19:41:18Z)
• VigilFormer: Deformable Attention for Video Anomaly Detection with Causal Risk Inference [2.538209532048867]
  本稿では,ビデオ監視映像の異常を検出するために,変形可能な注意と因果時間モデルを組み合わせた統合フレームワークを提案する。 VigilFormer, ShanghaiTech, CUHK Avenueのフレームワークを1つのGPU上で41.5 FPSで評価した。
  論文  参考訳（メタデータ） (2026-05-31T14:27:57Z)
• Delay-Adaptive Speculation Control for Low-Latency Edge-Cloud LLM Inference [20.720083078911486]
  分散エッジクラウドでは、ドラフトの長さをオンラインでコントロールする必要がある。 最適ドラフト長は有限遅延単調閾値であることを示す。 本手法は,Jetson Orin Nano Super edge nodeと3090 Ti Cloud nodeを用いて実エッジクラウドテストベッド上で実装する。
  論文  参考訳（メタデータ） (2026-05-17T07:15:30Z)
• Early Failure Detection and Intervention in Video Diffusion Models [26.52125777621677]
  遅延T2V拡散モデルに対する早期故障検出と診断介入パイプラインを提案する。 検出のために,リアルタイム検査(RI)モジュールを設計し,ラテントを中間映像プレビューに変換する。 CogVideoX-5BとWan2.1-1.3Bの実験では、VBenchでは最大2.64倍の時間オーバーヘッドで一貫性が向上した。
  論文  参考訳（メタデータ） (2026-03-15T10:32:41Z)
• LE-NeuS: Latency-Efficient Neuro-Symbolic Video Understanding via Adaptive Temporal Verification [14.954035477725276]
  本稿では、時間的論理誘導映像理解の精度を保った遅延効率のよいニューロシンボリック・フレームワークLE-NeuSを提案する。 LongVideoBench と Video-MME のベンチマークでは、LE-NeuS は遅延ギャップを 90x から 10x に削減し、時間的に複雑なクエリでは 10% の精度向上を維持している。
  論文  参考訳（メタデータ） (2026-02-26T23:28:13Z)
• TCUQ: Single-Pass Uncertainty Quantification from Temporal Consistency with Streaming Conformal Calibration for TinyML [0.0]
  TCUQは、TinyMLをストリーミングするためのシングルパスでラベルなしの不確実性モニタである。 後部の光信号によって捉えた短地平線時間一貫性を変換する。 ストリーミングコンフォメーション層は、このスコアを予算付きアクセプション/アビスタンスルールに変換する。
  論文  参考訳（メタデータ） (2025-08-18T13:12:14Z)
• Robust Unsupervised Video Anomaly Detection by Multi-Path Frame Prediction [61.17654438176999]
  本稿では,フレーム予測と適切な設計による新規で頑健な非教師付きビデオ異常検出手法を提案する。 提案手法は,CUHK Avenueデータセット上で88.3%のフレームレベルAUROCスコアを得る。
  論文  参考訳（メタデータ） (2020-11-05T11:34:12Z)
• Real-Time Anomaly Detection in Edge Streams [49.26098240310257]
  マイクロクラスタ異常の検出に焦点を当てたMIDASを提案する。 さらに、アルゴリズムの内部状態に異常が組み込まれている問題を解くために、MIDAS-Fを提案する。 実験の結果,MIDAS-Fの精度はMIDASよりも有意に高かった。
  論文  参考訳（メタデータ） (2020-09-17T17:59:27Z)
• Towards Streaming Perception [70.68520310095155]
  本稿では、リアルタイムオンライン知覚のための単一のメトリクスにレイテンシと精度を協調的に統合するアプローチを提案する。 この指標の背後にある重要な洞察は、瞬間ごとに認識スタック全体の出力を共同で評価することである。 本稿では,都市ビデオストリームにおけるオブジェクト検出とインスタンスセグメンテーションの具体的タスクに注目し,高品質で時間依存的なアノテーションを備えた新しいデータセットを寄贈する。
  論文  参考訳（メタデータ） (2020-05-21T01:51:35Z)

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。