要約
我々は、動画異常検出のための新規アプローチを提案する。従来の動画異常検出手法は、正常なフレームのみを用いて学習を行い、異常フレームの再構成品質が低下すると仮定している。その後、再構成誤差を真値と比較して異常を検出する。しかし、深層ニューラルネットワークの優れた一般化能力のため、異常フレームを正確に再構成してしまうという課題が存在する。この問題に対処するため、異常領域を破壊することで異常をより「異常らしく」する新たな手法を導入する。これにより、フレームからラベルおよび運動情報を用いて未来のフレームを予測する「フレーム・トゥ・ラベル・アンド・モーション（F2LM）ジェネレータ」と、異常領域を破壊する「Destroyer」を提案する。F2LMジェネレータは、入力フレームのラベル情報と運動情報を活用して未来フレームを予測することで、異常領域の品質を低下させる。一方、Destroyerは、低品質な領域をゼロベクトルに変換することで、異常領域を破壊する。これらのモデルは別々に学習され、テスト時にはF2LMジェネレータが異常領域の品質を低下させ、その後にDestroyerがそれらの領域を破壊する。提案手法は、UCSD Ped2、CUHK Avenue、Shanghai Tech.の3つのベンチマークデータセットにおいて、最先端のモデルと比較して優れた性能を示した。本研究のコードおよびモデルは、https://github.com/SkiddieAhn/Paper-Making-Anomalies-More-Anomalous にて公開されている。