비디오에서 생성적 적대 네트워크를 사용한 비정상 이벤트 감지

본 논문에서는 혼잡한 장면에서의 비정상 검출 문제를 다룹니다. 우리는 정상 프레임과 해당 광학 흐름 이미지를 사용하여 학습함으로써 장면의 정상성을 내부적으로 표현하는 방법을 제안합니다. 제안된 방법은 생성적 적대 네트워크(Generative Adversarial Nets, GANs)를 활용하며, 이 GANs는 오직 정상 데이터만을 사용하여 학습되기 때문에 비정상 이벤트를 생성할 수 없습니다. 테스트 시에는 실제 데이터가 GANs에 의해 재구성된 외관 및 운동 표현과 비교되며, 지역 차이를 계산하여 비정상 영역을 감지합니다. 도전적인 비정상 검출 데이터셋에서의 실험 결과는 프레임 단위와 픽셀 단위 비정상 검출 작업 모두에서 제안된 방법이 기존 최신 연구보다 우수함을 보여줍니다.