大規模な動画監視システムにおいて、異常イベントの自動検出および解釈は重要な課題となっている。その背景には、異常の明確な定義が欠如していることにより、教師あり手法の適用が制限されるという課題がある。このような状況を踏まえ、本研究では新たな教師なし異常検出手法である「空間時間的生成対抗ネットワーク（Spatio-Temporal Generative Adversarial Network: STemGAN）」を提案する。本フレームワークは、動画の文脈から学習を行う生成器と識別器から構成され、空間的および時間的情報を活用して将来のフレームを予測する。生成器は自動符号化器（Autoencoder: AE）アーキテクチャを採用しており、外観情報と運動情報の両方を抽出する二重ストリームエンコーダと、動的前景特徴に注目するためのチャネルアテンション（Channel Attention: CA）モジュールを備えたデコーダを有する。さらに、STemGANの汎化能力を向上させるための転移学習手法も提案する。標準的な評価指標（AUC: 曲線下面積、EER: 等誤差率）を用いて、既存の最先端手法と比較するために、代表的な異常検出（Anomaly Detection: AD）ベンチマークデータセットを用いた実験を行った。実験結果から、本手法であるSTemGANは、UCSDPed2で97.5%、CUHK Avenueで86.0%、Subway-entranceで90.4%、Subway-exitで95.2%のAUCスコアを達成し、既存の最先端手法を上回る性能を示した。