MULDE: ノイズ除去スコアマッチングを用いたマルチスケール対数密度推定によるビデオ異常検知

我々はビデオ異常検出の新しい手法を提案します。この手法では、ビデオから抽出された特徴ベクトルを固定分布を持つ確率変数の実現値として扱い、その分布をニューラルネットワークでモデル化します。これにより、テストビデオの尤度を推定し、尤度推定値の閾値設定によってビデオ異常を検出することが可能になります。我々のビデオ異常検出器は、学習データにノイズを注入してその分布のモデリングを容易にする方法であるデノイジングスコアマッチング（denoising score matching）の修正版を使用して訓練されます。ハイパーパラメータ選択を排除するために、異なるノイズレベルでのノイジーなビデオ特徴量の分布をモデル化し、これらのモデルが互いに一致するように傾向付けられる正則化項を導入しました。テスト時には、ガウシアンミクスチャーモデルを使用して複数のノイズスケールにおける異常指標を統合します。我々のビデオ異常検出器を実行する際には最小限の遅延しか発生せず、推論には特徴量の抽出と浅いニューラルネットワークおよびガウシアンミクスチャーモデルを通じた前向き伝播のみが必要です。5つの人気のあるビデオ異常検出ベンチマークに対する実験結果は、物体中心的な設定でもフレーム中心的な設定でも最先端の性能を示しています。