비감독형 이상 탐지: 시간당 비행 깊이 이미지에서

비디오 이상 탐지(VAD, Video Anomaly Detection)는 비디오 데이터 내 이상 사건을 자동으로 탐지하는 문제를 다룹니다. 현재의 VAD 시스템이 주로 작동하는 주요 데이터 모달리티는 흑백 또는 RGB 이미지입니다. 그러나 깊이 이미지(depth image)는 다른 많은 컴퓨터 비전 연구 분야에서 널리 사용되고 있으며, 저가의 깊이 카메라 하드웨어의 보급이 증가하고 있음에도 불구하고, 이와 같은 맥락에서 깊이 데이터를 활용하는 것은 여전히 거의 탐색되지 않은 영역입니다. 본 연구에서는 기존의 오토인코더 기반 방법을 깊이 비디오에 적용하는 것에 대해 평가하고, 손실 함수에 깊이 데이터의 장점을 통합함으로써 그 활용 가능성을 제안합니다. 학습은 이상 데이터에 대한 추가 레이블 없이 정상 시퀀스만을 사용하여 비지도 학습 방식으로 수행됩니다. 우리는 깊이 데이터를 통해 장면 분석을 위한 보조 정보인 전경 마스크(foreground mask)를 간편하게 추출할 수 있음을 보이며, 대규모 공개 데이터셋에서의 평가를 통해 이러한 정보가 이상 탐지 성능에 긍정적인 영향을 미친다는 점을 입증합니다. 또한, 본 연구는 해당 데이터셋에 대해 처음으로 결과를 제시하는 연구입니다.