インテリジェントな動画監視における最も重要かつ困難な課題は、異常な行動や出来事を持つ動画から異常を識別することである。異常の定義が曖昧であるため、その検出は極めて困難なタスクとなる。生成対抗ネットワーク（GAN）の広範な導入に着想を得て、我々は潜在空間が事前に定義された分布に従うように設計された新しい潜在ディスクリミネータフレームワークを組み込んだ、潜在ディスクリミネータ拡張GAN（VALD-GAN）を用いた動画異常検出手法を提案した。実験結果により、本手法がモデルの異常識別能力を顕著に向上させることを示した。VALD-GANは、UCSD Peds1データセットでAUC 97.98、EER 6.0%、UCSD Peds2でAUC 97.74、EER 7.01%、CUHK AvenueデータセットでAUC 91.03、EER 9.04%を達成した。また、地下鉄駅出入り口映像データセットにおいては、全66件の異常イベントのうち62件を検出（誤検出4件）、全19件の異常イベントのうち19件を検出（誤検出1件）する能力を示した。