UBnormal: 감독형 오픈셋 비디오 이상 탐지를 위한 새로운 벤치마크

비디오 내 이상 사건 탐지는 일반적으로 하나의 클래스 분류 문제로 모델링되며, 학습용 비디오는 오직 정상적인 사건만 포함하고, 테스트용 비디오는 정상 및 이상 사건을 모두 포함한다. 이러한 맥락에서 이상 탐지는 오픈셋 문제에 해당한다. 그러나 일부 연구에서는 이상 탐지를 행동 인식 문제로 동일시한다. 이는 닫힌 셋 시나리오이며, 시스템이 새로운 이상 유형을 탐지하는 능력을 평가하지 못하는 한계를 가진다. 이를 해결하기 위해 우리는 비디오 이상 사건 탐지를 위한 새로운 감독형 오픈셋 기준인 UBnormal을 제안한다. 이 기준은 여러 가상 장면을 포함한 데이터셋으로 구성되어 있으며, 기존 데이터셋과 달리 학습 단계에서 이상 사건을 픽셀 단위로 주석화하였다. 이는 처음으로 완전한 감독 학습 방법을 이상 사건 탐지에 적용할 수 있도록 하였다. 전형적인 오픈셋 설정을 유지하기 위해, 학습 및 테스트 비디오 컬렉션 간에 서로 겹치지 않는 이상 유형 세트를 포함시켰다. 알려진 바에 따르면, UBnormal은 하나의 클래스 오픈셋 모델과 감독형 닫힌 셋 모델 간의 공정한 직접 비교를 가능하게 하는 최초의 비디오 이상 탐지 기준이다. 실험 결과에서 이를 입증하였다. 더불어, UBnormal이 Avenue와 ShanghaiTech라는 두 가지 주요 데이터셋에서 최신 이상 탐지 프레임워크의 성능을 향상시킬 수 있음을 실험적으로 입증하였다. 본 기준은 https://github.com/lilygeorgescu/UBnormal에서 무료로 제공된다.