MGFN：弱教師付き動画異常検出のためのマグニチュード対照的グランス・アンド・フォーカスネットワーク

監視映像における異常の弱教師付き検出は、困難な課題である。従来の手法は長時間映像における異常の局所化能力に限界があるが、本研究では空間時系列情報を効果的に統合することで、高精度な異常検出を実現する新たな「グランス＆フォーカスネットワーク（glance and focus network）」を提案する。さらに、実験的に既存手法が異常度を特徴量の大きさで表現する際、シーンの変化に起因する影響を無視していることが明らかになった。その結果、シーン間での特徴量の大きさに一貫性がなく、最適な性能を発揮できていないことが判明した。この問題に対処するため、特徴量の大きさの識別力を向上させる「特徴量増幅機構（Feature Amplification Mechanism）」と「大きさ対比損失（Magnitude Contrastive Loss）」を提案する。UCF-CrimeおよびXD-Violenceの2つの大規模ベンチマークにおける実験結果から、本手法が最先端手法を上回る性能を示したことが確認された。