人間中心のビデオ異常検出に関する変分自己符号化器と軌道予測を用いた探索的研究

ビデオ異常検出（VAD）は、コンピュータビジョンにおける挑戦的かつ重要な研究課題の一つです。近年、ポーズベースのビデオ異常検出（PAD）は、画素ベースのアプローチに比べていくつかの固有の利点があるにもかかわらず、時折最適でない性能を示すことがありますが、研究コミュニティから大きな注目を集めています。具体的には、PADは計算複雑度が低く、プライバシー保護が内在しており、特定の人口統計グループに対する差別や偏見に関する懸念を軽減することができます。本論文では、TSGAD（Two-Stream Graph-Improved Anomaly Detection）という新しい人間中心の二つのストリームを用いたグラフ改善型異常検出手法を提案します。TSGADは変分自己符号化器（VAEs）と軌道予測を活用し、ポーズベースの人間中心VADにおけるVAEsの新たなアプローチの可能性を探ることを目指しています。ベンチマークデータセットを用いた包括的な実験を通じて、TSGADの効果性を示しています。TSGADは最先端手法と匹敵する結果を示し、変分自己符号化器を採用することによる潜在的可能性を示唆しています。これは将来の研究努力にとって有望な方向性であることを示唆しています。本研究のコードベースは https://github.com/TeCSAR-UNCC/TSGAD で公開されています。