論文の概要: AnomalyCraft-700K: Component-Level Controllable and Verifiable Synthetic Anomalies for Fine-Grained Video Anomaly Understanding
- arxiv url: http://arxiv.org/abs/2609.06978v1
- Date: Mon, 07 Sep 2026 03:13:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 01:57:19.34161
- Title: AnomalyCraft-700K: Component-Level Controllable and Verifiable Synthetic Anomalies for Fine-Grained Video Anomaly Understanding
- Title（参考訳）: AnomalyCraft-700K:細粒度ビデオ異常理解のためのコンポーネントレベル制御と検証可能な合成異常
- Abstract要約: AnomalyCraft-700Kは、微細なビデオ異常理解のためのコンポーネント制御可能な合成異常データセットである。
私たちは、リッチに詳細で、セマンティックに制御され、時間的に構造化された異常イベントを作成します。
AnomalyCraft-700Kは、生成時に導入されたビデオテキストの相違を部品的に補正する。
- 参考スコア（独自算出の注目度）: 34.02855406841316
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Progress in video anomaly understanding (VAU) has long been limited by inherent deficiencies of real-world anomaly videos, which are hard to collect and offer little control over their content. Synthetic anomaly approaches partially alleviate data scarcity, yet their generation remains largely controlled at the category or prompt level. They also lack component-level verification of video-text consistency and provide insufficient hard normal samples near the normal-anomaly boundary. To address this, we present AnomalyCraft-700K, a component-controllable synthetic anomaly dataset for fine-grained VAU, containing over 40K videos and over 700K task-level textual annotations. From fine-grained semantic components and a progressive three-stage pipeline, we craft anomaly events that are richly detailed, semantically controlled, and temporally structured, and additionally construct per-category hard normal samples to prompt the model to discriminate based on anomaly semantics rather than surface visual cues. Moreover, using the components as verification units, AnomalyCraft-700K further performs component-wise correction of video-text discrepancies introduced during generation, providing reliable annotations with verified cross-modal alignment for six tasks that progress from anomaly detection, through anomaly retrieval and captioning, to fine-grained anomaly reasoning. Evaluations of widely used methods under both traditional and MLLM-based protocols demonstrate that AnomalyCraft-700K serves as an effective source of supervision, from anomaly detection to fine-grained anomaly understanding.
- Abstract（参考訳）: ビデオ異常理解(VAU)の進歩は、実世界の異常なビデオの固有の欠陥によって、長い間制限されてきた。
合成異常はデータの不足を部分的に緩和するが、その生成はカテゴリやプロンプトレベルで大きく制御されている。
また、ビデオテキストの整合性のコンポーネントレベルの検証が欠如しており、正常-異常境界付近のハードノーマルサンプルが不足している。
これを解決するために,コンポーネント制御可能なVAU用合成異常データセットであるAnomalyCraft-700Kを紹介し,40K以上のビデオと700K以上のタスクレベルのテキストアノテーションを含む。
微細なセマンティックコンポーネントとプログレッシブな3段階パイプラインから、豊富な詳細、セマンティックコントロール、時間的構造化の異常イベントを作成し、さらにカテゴリごとのハードノーマルサンプルを構築して、表面的な視覚的手がかりではなく、異常なセマンティクスに基づいてモデルを識別するように促す。
さらに、これらコンポーネントを検証単位として、AnomalyCraft-700Kは、生成時に導入されたビデオテキストの不一致のコンポーネントワイズ補正を行い、異常検出から異常検索、キャプション、微粒な異常推論に至るまでの6つのタスクに対して、検証されたクロスモーダルアライメントによる信頼性の高いアノテーションを提供する。
従来のMLLMプロトコルとMLLMプロトコルの両方で広く使用されている手法の評価は、AnomalyCraft-700Kが異常検出から微粒な異常理解に至るまで、効果的な監視源であることを示している。
関連論文リスト
- DPA: Decoupling Product-Agnostic Anomaly Representations for Zero-shot Anomaly Generation [52.52576712810738]
産業異常検出は異常サンプルから恩恵を受けるが、新しくデプロイされた製品は通常正常な画像のみを提供するため、異常サンプルの収集は困難である。
既存の手法は主にテクスチャイメージやテキスト記述を異常ソースとして依存しており、しばしば非現実的な異常を生成する。
本稿では,既存のソース製品から実際の異常を再利用した,異常転送に基づくゼロショット生成を提案する。
論文 参考訳（メタデータ） (2026-09-02T04:03:05Z) - GroundingAnomaly: Spatially-Grounded Diffusion for Few-Shot Anomaly Synthesis [16.74245445257004]
我々は,新しい数発の異常画像生成フレームワークであるGroundingAnomalyを提案する。
本フレームワークでは,画素ごとのセマンティックマップを活用する空間条件モジュールを導入している。
Gated Self-Attention Moduleは、凍結したU-Netに条件付きトークンを注入するように設計されている。
論文 参考訳（メタデータ） (2026-04-09T14:34:50Z) - No Need For Real Anomaly: MLLM Empowered Zero-Shot Video Anomaly Detection [15.949619310702579]
オープンワールドシナリオで実行されている既存のビデオ異常検出方法。
主な貢献要因は、限られたデータセットの多様性、文脈に依存した異常なセマンティクスの不十分な理解である。
エンドツーエンドのゼロショットビデオ異常検出フレームワークであるLAVIDAを提案する。
論文 参考訳（メタデータ） (2026-02-22T16:03:43Z) - Track Any Anomalous Object: A Granular Video Anomaly Detection Pipeline [63.96226274616927]
Track Any Anomalous Object (TAO)と呼ばれる新しいフレームワークでは、詳細なビデオ異常検出パイプラインが導入されている。
各画素に異常スコアを割り当てる手法とは異なり、我々の手法は問題から異常オブジェクトの画素レベルの追跡に変換する。
実験の結果、TAOは新しいベンチマークを精度と堅牢性で設定した。
論文 参考訳（メタデータ） (2025-06-05T15:49:39Z) - Holmes-VAU: Towards Long-term Video Anomaly Understanding at Any Granularity [35.14762107193339]
HIVAU-70kは、あらゆる粒度の階層的ビデオ異常理解のためのベンチマークである。
高品質なアノテーションを効率よくスケールする半自動アノテーションエンジンを開発した。
長ビデオにおける効率的な異常検出のために,Anomaly- Focus Temporal Samplerを提案する。
論文 参考訳（メタデータ） (2024-12-09T03:05:34Z) - 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) - VANE-Bench: Video Anomaly Evaluation Benchmark for Conversational LMMs [64.60035916955837]
VANE-Benchはビデオの異常や矛盾を検出するためのビデオLMMの熟練度を評価するために設計されたベンチマークである。
我々のデータセットは、既存の最先端のテキスト・ビデオ生成モデルを用いて合成された一連のビデオから構成される。
我々は、このベンチマークタスクにおいて、オープンソースとクローズドソースの両方で既存の9つのビデオLMMを評価し、ほとんどのモデルが微妙な異常を効果的に識別するのに困難に直面することを発見した。
論文 参考訳（メタデータ） (2024-06-14T17:59:01Z) - Learn Suspected Anomalies from Event Prompts for Video Anomaly Detection [16.77262005540559]
イベントプロンプトから疑わしい異常の学習を導くための新しい枠組みが提案されている。
これにより、新しいマルチプロンプト学習プロセスにより、すべてのビデオの視覚的セマンティックな特徴を制限できる。
提案手法はAPやAUCといった最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2024-03-02T10:42:47Z) - Dynamic Erasing Network Based on Multi-Scale Temporal Features for
Weakly Supervised Video Anomaly Detection [103.92970668001277]
弱教師付きビデオ異常検出のための動的消去ネットワーク(DE-Net)を提案する。
まず,異なる長さのセグメントから特徴を抽出できるマルチスケール時間モデリングモジュールを提案する。
そして,検出された異常の完全性を動的に評価する動的消去戦略を設計する。
論文 参考訳（メタデータ） (2023-12-04T09:40:11Z) - 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) - 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。