Weakly Supervised Video Anomaly Detection

Weakly Supervised Video Anomaly Detection (WS-VAD) bezieht sich auf die Verwendung von Modellen, die hauptsächlich mit videoebenen Labels trainiert werden, um anomales Verhalten in Videosequenzen zu erkennen, ohne explizite framebasierte Annotationen zu benötigen. Dieser Ansatz reduziert die Annotationskosten erheblich, indem er grobe Labels nutzt. Das Kernproblem liegt darin, Anomalien zeitlich genau zu lokalisieren und subtile abnorme Aktivitäten effektiv von normalen Hintergrundereignissen zu unterscheiden, auch bei begrenzten Überwachungssignalen. WS-VAD hat erheblichen Anwendungswert in Bereichen wie Überwachung, Sicherheit und Gesundheitswesen.