本研究では、ビデオ異常検出のタスクを物体のバウンディングボックスの確率解析として定式化しました。物体をバウンディングボックスのみで表現することにより、シーン内の異常事象を成功裏に識別できるという仮説を立てています。このアプローチの潜在的な価値は、物体の匿名性向上、モデル訓練の高速化、および計算リソースの削減にあります。これは特に、カメラなどのエッジデバイス上で動作するビデオ監視アプリケーションに利益をもたらす可能性があります。我々はモデル設計において人間の推論に基づいており、これによりモデル出力を人間が理解可能な言葉で説明することが可能となります。一方で、最も遅いモデルでも第11世代インテル Core i9 プロセッサ上での訓練時間は7秒未満でした。当方の手法は従来技術と比較して問題特徴空間を大幅に削減していますが、性能低下につながることなく、その競争力のある結果を示しています：報告した結果はCUHK AvenueおよびShanghaiTechベンチマークデータセットにおいて非常に競争力があり、StreetSceneデータセットにおける最新の最先端結果を大幅に上回っています。StreetSceneはこれまで最も困難なVAD（Video Anomaly Detection）データセットとされてきました。