論文の概要: Auditing Observation-Quality Shortcuts in the Evaluation of Person-Centered Motion for Video Anomaly Detection
- arxiv url: http://arxiv.org/abs/2610.16471v1
- Date: Mon, 12 Oct 2026 09:24:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-18 23:02:40.564489
- Title: Auditing Observation-Quality Shortcuts in the Evaluation of Person-Centered Motion for Video Anomaly Detection
- Title（参考訳）: 映像異常検出のための人物中心動作評価における観察品質ショートカットの検討
- Abstract要約: ビデオ異常検出(VAD)は、通常のパターンからの逸脱を識別するが、そのような逸脱は必ずしも安全クリティカルな事象に対応しない。
我々は、人間中心の緊急事態と暴力に焦点を当て、動作に基づく異常識別がタスク関連動作情報に反映するかどうかを調査する。
- 参考スコア（独自算出の注目度）: 2.9743909874221157
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video anomaly detection (VAD) identifies deviations from normal patterns, but such deviations do not necessarily correspond to safety-critical events. We focus on human-centered emergencies and violence and investigate whether motion-based anomaly discrimination reflects task-relevant motion information or observation-quality differences arising from person detection, pose estimation, and tracking. We introduce an observation-quality-aware evaluation framework that combines quality diagnostics, quality balancing, motion orthogonalization, and robustness analyses. On human-centered categories of UCF-Crime, quality-only features match or exceed the discrimination of multi-cue motion in the original cohort, revealing a strong observation-quality shortcut. After cardinality matching brings all 11 measured quality variables below a prespecified marginal balance threshold, multi-cue motion consistently outperforms quality-only features across Logistic Regression, Random Forest, and RBF-SVM, yielding ROC-AUC gains of 0.046-0.141. Because nonlinear quality-only prediction remains above chance after matching, we interpret this result as additional discrimination beyond measured marginal quality rather than as evidence of quality-free or causal motion understanding. These findings show that high VAD performance should not be interpreted as evidence of abnormal-motion modeling without auditing the reliability of the person-observation pipeline. Our study provides a systematic protocol for evaluating observation-quality shortcuts and for assessing whether motion-based discrimination survives explicit control of detection, pose-estimation, and tracking reliability.
- Abstract（参考訳）: ビデオ異常検出(VAD)は、通常のパターンからの逸脱を識別するが、そのような逸脱は必ずしも安全クリティカルな事象に対応しない。
本研究では、人間中心の状況と暴力に焦点を当て、動作に基づく異常識別が、人物検出、ポーズ推定、追跡から生じるタスク関連動作情報や観察品質の違いを反映するかどうかを検討する。
本稿では,品質診断,品質バランス,運動直交化,ロバストネス分析を組み合わせた品質評価フレームワークを提案する。
UCF-Crimeの人間中心のカテゴリーでは、品質のみの特徴は元のコホートにおけるマルチキュー運動の識別と一致または超えており、観察品質の強いショートカットが明らかである。
基準整合により、測定された11の品質変数は予め規定された残差バランス閾値以下に抑えられ、マルチキュー運動はロジスティック回帰、ランダムフォレスト、RBF-SVMで品質のみの特徴を常に上回り、ROC-AUCの0.046-0.141の利得を得る。
非線形品質のみの予測はマッチング後の確率を超えるため、この結果は品質のない、あるいは因果的な動作理解の証拠というよりは、測定された限界品質以外の追加的な差別であると解釈する。
これらの結果から,人体観察パイプラインの信頼性を検査しない限り,高いVAD性能を異常運動モデリングの証拠と解釈するべきではないことが示唆された。
本研究は、観察品質のショートカットを評価するための体系的プロトコルを提供し、動作に基づく識別が検出、ポーズ推定、信頼性の明確な制御を継続するかどうかを評価する。
関連論文リスト
- Complex Problem Solving in Large Language Models: A Statistical Control Survey and Diagnostic Framework [52.886947585847594]
大規模言語モデル(LLM)による複雑な問題解決は、しばしばより強い推論やより長い生成の問題としてフレーム化される。
しかし、早期のエラー増幅、迅速な脆さ、誤ったコミットメントを修正する失敗を説明するのは難しい。
本調査はCPSを潜在解状態上の逐次推定・決定問題と解釈する。
論文 参考訳（メタデータ） (2026-09-17T18:28:45Z) - From Glance to Scrutiny: Progressive Distortion Reasoning for Fine-Grained Image Quality Assessment [20.450708458726627]
そこで我々は, IQAをプログレッシブ・Where-What-How診断として再構成するフレームワークであるGS-IQAを提案する。
人間の知覚過程を、一見したところからより綿密な精査までエミュレートする。
歪みの局所化、認識、重大度推定において、最先端の手法を一貫して超越している。
論文 参考訳（メタデータ） (2026-09-08T06:39:25Z) - Detecting Is Not Resolving: The Monitoring Control Gap in Retrieval Augmented LLMs [20.59321114618083]
単一ターン診断はRAGの安全性を体系的に過大評価し、矛盾は安全な解決法とは無関係であり、普遍的な即時修正は存在しないことを示した。
モデルが認識するものと何をするかのギャップは、検索強化されたシステムが高レベルな設定で信頼される前に測定され、クローズされなければならない。
論文 参考訳（メタデータ） (2026-05-26T15:18:43Z) - FACTOR: Counterfactual Training-Free Test-Time Adaptation for Open-Vocabulary Object Detection [63.91351553178842]
FACTORはオープン語彙オブジェクト検出のためのトレーニング不要なテスト時間適応である。
属性依存性の予測を選択的に抑制するために、属性の感度、意味的関連性、予測のバリエーションを定量化する。
PASCAL-C, COCO-C, FoggyCityscapes の実験では、FACTOR が従来の TTA 法より一貫して優れていたことが示されている。
論文 参考訳（メタデータ） (2026-05-05T02:31:18Z) - World Model Failure Classification and Anomaly Detection for Autonomous Inspection [23.48742973289626]
教師付き障害分類と異常検出を組み合わせたハイブリッドフレームワークを提案する。
我々のアプローチは、圧縮されたビデオ入力を持つ世界モデルバックボーンを使用する。
実験では、成功、失敗、およびOODケースの区別において90%以上の精度が示されている。
論文 参考訳（メタデータ） (2026-02-18T04:41:14Z) - Surveillance Facial Image Quality Assessment: A Multi-dimensional Dataset and Lightweight Model [59.39390911456143]
監視顔画像品質評価(SFIQA)に関する初の総合的研究を提案する。
SFIQA-Benchは、現実世界のシナリオで3つの広く配備された監視カメラによって撮影された5,004枚の監視顔画像で構成されている。
ノイズ、シャープネス、カラフルネス、コントラスト、忠実度、全体的な品質を含む6次元品質評価を主観的な実験により収集する。
論文 参考訳（メタデータ） (2026-02-07T06:51:03Z) - Towards Adversarial Robustness and Uncertainty Quantification in DINOv2-based Few-Shot Anomaly Detection [6.288045889067255]
DINOv2のような基礎モデルは、数発の異常検出において強い性能を示している。
本研究は, 敵攻撃と不確実性評価に関する最初の体系的研究である。
生の異常スコアは校正が不十分で、信頼性と正しさのギャップが明らかになり、安全クリティカルな使用が制限されることがわかりました。
論文 参考訳（メタデータ） (2025-10-15T15:06:45Z) - Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。
本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-08T07:05:36Z) - Evaluating Probabilistic Classifiers: The Triptych [62.997667081978825]
本稿では,予測性能の異なる相補的な側面に焦点をあてた診断グラフィックのトリチチを提案し,研究する。
信頼性図は校正に対処し、受信動作特性(ROC)曲線は識別能力を診断し、マーフィー図は全体的な予測性能と価値を視覚化する。
論文 参考訳（メタデータ） (2023-01-25T19:35:23Z) - A Decoupled Uncertainty Model for MRI Segmentation Quality Estimation [4.104181348044472]
タスクと異なるk空間アーティファクトに関連する不確実性のソースを分離する新しいCNNアーキテクチャを提案する。
課題の観点から,我々の不確実性予測はMRIの画質をよりよく推定できることを示す。
論文 参考訳（メタデータ） (2021-09-06T12:54:44Z) - Approaching Neural Network Uncertainty Realism [53.308409014122816]
自動運転車などの安全クリティカルなシステムには、定量化または少なくとも上限の不確実性が不可欠です。
マハラノビス距離に基づく統計的テストにより、厳しい品質基準である不確実性リアリズムを評価します。
自動車分野に採用し、プレーンエンコーダデコーダモデルと比較して、不確実性リアリズムを大幅に改善することを示した。
論文 参考訳（メタデータ） (2021-01-08T11:56:12Z)
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。