Apprentissage de la régularité temporelle dans les séquences vidéo

La perception d'activités significatives dans une séquence vidéo longue est un problème complexe en raison de la définition ambiguë de la « signification » ainsi que des perturbations présentes dans la scène. Nous abordons ce problème en apprenant un modèle génératif pour les motifs de mouvement réguliers, appelés régularités, en utilisant plusieurs sources avec une supervision très limitée. Plus précisément, nous proposons deux méthodes basées sur les autoencodeurs en raison de leur capacité à fonctionner avec peu ou pas de supervision. Tout d'abord, nous exploitons les caractéristiques locales spatio-temporelles traditionnellement conçues par l'homme et apprenons un autoencodeur entièrement connecté à partir de celles-ci. Ensuite, nous construisons un autoencodeur entièrement convolutif et orienté avant pour apprendre à la fois les caractéristiques locales et les classifieurs au sein d'un cadre d'apprentissage end-to-end. Notre modèle peut capturer les régularités provenant de plusieurs jeux de données. Nous évaluons nos méthodes à la fois qualitativement et quantitativement, en montrant les régularités apprises des vidéos sous différents aspects et en démontrant des performances compétitives sur des jeux de données de détection d'anomalies comme application.