監視映像における異常検出は、異常映像コンテンツおよび持続時間の多様性のため、難しい課題である。本稿では、弱教師あり学習の枠組みにおいて、ビデオクリップの異常スコアを回帰問題として捉えるアプローチを提案する。これにより、訓練段階でビデオレベルのラベルのみを必要とする異常検出フレームワーク「Anomaly Regression Net（AR-Net）」を構築した。さらに、異常検出に適した判別性の高い特徴を学習するため、AR-Netに動的複数インスタンス学習損失とセンター損失を導入した。前者は異常インスタンスと正常インスタンス間のクラス間距離を拡大することを目的とし、後者は正常インスタンス内のクラス内距離を低減することを目的としている。本手法は、挑戦的なベンチマークデータセットであるShanghaiTech上で包括的な実験を実施し、ShanghaiTechデータセットにおけるビデオ異常検出の新しい最良性能（SOTA）を達成した。