비디오에서의 이상 탐지(anomaly detection)는 예상된 행동에 부합하지 않는 이벤트를 식별하는 것을 의미합니다. 그러나 기존의 거의 모든 방법은 학습 데이터의 재구성 오류를 최소화하는 방식으로 이 문제를 다루어, 비정상적인 이벤트에 대해 더 큰 재구성 오류를 보장할 수 없습니다. 본 논문에서는 비디오 예측 프레임워크 내에서 이상 탐지 문제를 해결하기 위한 방법을 제안합니다. 최선의 지식 범위 내에서, 이는 예측된 미래 프레임과 실제 프레임 사이의 차이를 활용하여 비정상적인 이벤트를 탐지하는 첫 번째 연구입니다. 정상적인 이벤트에 대해 더 높은 품질의 미래 프레임을 예측하기 위해, 일반적으로 사용되는 강도와 그래디언트에 대한 외관(공간적) 제약 조건 외에도, 비디오 예측에서 시차(시간적) 제약 조건인 광학 흐름(optical flow) 제약을 도입하였습니다. 이를 통해 예측된 프레임과 실제 프레임 간의 광학 흐름이 일치하도록 강제함으로써, 정상적인 이벤트의 미래 프레임 예측을 촉진하고, 결과적으로 예상과 일치하지 않는 비정상적인 이벤트들을 식별하는데 도움을 줍니다. 장난감 데이터셋과 여러 공개 데이터셋에서 수행한 광범위한 실험들은 본 방법론이 정상 이벤트의 불확실성에 대한鲁棒性 및 비정상 이벤트에 대한 민감성을 측면에서 효과적임을 검증하였습니다.注：在最后一句中，“鲁棒性”是中文词汇，正确的韩文翻译应该是“로버스트성”。因此，修正后的句子如下：장난감 데이터셋과 여러 공개 데이터셋에서 수행한 광범위한 실험들은 본 방법론이 정상 이벤트의 불확실성에 대한 로버스트성 및 비정상 이벤트에 대한 민감성을 측면에서 효과적임을 검증하였습니다。