アダプティブな人間中心のビデオ異常検出に向けて：包括的なフレームワークと新しいベンチマーク

人間中心のビデオ異常検出（VAD）は、通常から逸脱する人間の行動を特定することを目指しています。その核心において、人間中心のVADは多様な人間の行動の複雑さ、異常事象の稀少性、および倫理的な制約などの実質的な課題に直面しています。これらの課題は高品質なデータセットへのアクセスを制限し、継続学習をサポートするデータセットとフレームワークの必要性を強調しています。適応型の人間中心VADに向けて、私たちはプライバシー重視の人間中心ビデオ異常検出データセット（HuVAD: Human-centric privacy-enhanced Video Anomaly Detection）と新しい非監督継続異常学習（UCAL: Unsupervised Continual Anomaly Learning）フレームワークを導入します。UCALは増分学習を可能にし、モデルが時間とともに適応できるようにすることで、従来の訓練と実際の展開とのギャップを埋めます。HuVADはプライバシー保護を優先し、匿名化された注釈を提供しており、7つの屋内/屋外シーンが含まれており、従来のデータセットよりも5倍以上の姿勢注釈付きフレーム数を提供します。私たち的标准および継続ベンチマークでは包括的な指標を使用し、UCAL強化モデルが82.14%のケースで優れた性能を達成していることを示しており、新たな最先端（SOTA: State-of-the-Art）となっています。データセットは https://github.com/TeCSAR-UNCC/HuVAD からアクセスできます。