MGFN：用于弱监督视频异常检测的幅度对比式凝视与聚焦网络

在监控视频中进行弱监督异常检测是一项具有挑战性的任务。现有方法在长视频中定位异常方面能力有限，为此，我们提出了一种新颖的“凝视与聚焦”网络（glance and focus network），能够有效融合时空信息，实现更精准的异常检测。此外，我们通过实验发现，现有方法通常利用特征幅值来表征异常程度，却往往忽视了场景变化带来的影响，导致不同场景间特征幅值不一致，从而限制了检测性能。为解决这一问题，我们提出了特征增强机制（Feature Amplification Mechanism）与幅值对比损失（Magnitude Contrastive Loss），以增强特征幅值的判别能力，提升异常检测效果。在两个大规模基准数据集UCF-Crime和XD-Violence上的实验结果表明，所提方法显著优于现有最先进方法。