動画における異常イベント検出のための時空間予測タスク

動画内の異常イベント検出は、異常パターンの多様性およびそれらに対応するラベル付けの不足という点から、困難な課題である。本論文では、オブジェクトレベルの正常性パターンを学習するための新たな制約付き事前学習タスクを提案する。本手法は、低解像度化された視覚的クエリと、元の解像度における対応する正常な外観および運動特性との間のマッピングを学習することを目的としている。従来の文献で広く用いられている再構成や未来フレーム予測といったタスクと比較して、本手法は空間的特徴と時間的特徴を同時に予測するという点でより高い課題性を有している。我々は、より制約の強い事前学習タスクが正常性パターンのより優れた学習を促進すると考える。複数のベンチマークデータセットにおける実験結果から、本手法が空間時間的評価指標において、異常の局所化および追跡において既存の最先端手法を上回るか、同等の性能を達成できることを示した。