オブジェクト中心的かつメモリ誘導型のノーマリティ再構成による動画異常検出

本論文は動画監視における動画異常検出問題に取り組む。異常イベントは本質的に稀であり、多様性が高いため、本問題は正常性モデリング戦略として捉えられる。本研究では、学習段階で異常サンプルを一切見ることなく、オブジェクト中心の正常パターンを学習するモデルを提案する。主な貢献は、事前学習されたオブジェクトレベルの行動特徴プロトタイプと、コサイン距離に基づく異常推定関数を組み合わせることにより、従来の再構成ベース戦略に追加の制約を導入することで、既存手法を拡張したことにある。本フレームワークは、外観情報と運動情報の両方を活用してオブジェクトレベルの行動を学習し、メモリモジュール内にプロトタイプパターンを捉える。複数の代表的なデータセットにおける実験結果から、本手法が多数の関連する空間時系列評価指標において、現在の最先端手法を上回ることを示した。