摘要
视频异常检测（VAD）是计算机视觉中视频分析和监控的一项关键任务。目前，VAD 正通过存储正常帧特征的记忆技术获得关注。这些存储的特征用于帧重建，当重建帧与输入帧之间存在显著差异时，即可识别出异常。然而，这种方法由于需要同时优化记忆模块和编码器-解码器模型而面临多个挑战。这些挑战包括优化难度增加、实现复杂度高以及性能随记忆大小的变化而波动。为了解决这些问题，我们提出了一种有效的 VAD 记忆方法，称为 VideoPatchCore。该方法受到 PatchCore 的启发，引入了一种优先考虑记忆优化的结构，并配置了三种针对视频数据特性的记忆类型。这一方法有效地克服了现有基于记忆的方法的局限性，实现了与最先进方法相当的良好性能。此外，我们的方法无需训练且易于实现，使得 VAD 任务更加便捷。我们的代码已在线发布于 github.com/SkiddieAhn/Paper-VideoPatchCore。