초록
비디오 이상 탐지는 외관, 자세, 카메라 각도, 배경 등 많은 매개변수에 의존하기 때문에 불완전한 문제입니다. 우리는 이 문제를 인간의 자세 이상 탐지로 축소하여, 외관과 같은 방해 요인이 결과에 영향을 미치는 위험을 줄였습니다. 자세만을 고려하는 것은 또한 독특한 소수 집단에 대한 편향을 감소시키는 부가적인 이점이 있습니다. 우리의 모델은 직접 인간 자세 그래프 시퀀스를 처리하며 매우 가볍습니다(약 1천 개의 매개변수)로, 포즈 추정을 실행할 수 있는 모든 기계에서 추가적인 리소스가 거의 필요 없이 실행될 수 있습니다. 우리는 정규화 흐름(normalizing flows) 프레임워크에서 매우 압축된 포즈 표현을 활용하며, 이를 공간-시간적 포즈 데이터(spatio-temporal pose data)의 독특한 특성을 다루기 위해 확장하여 이 사용 사례에서의 장점을 보여주었습니다. 이 알고리즘은 상당히 일반적이며, 정상 예제만으로 구성된 학습 데이터뿐만 아니라 라벨링된 정상 및 비정상 예제로 구성된 지도 학습 설정도 처리할 수 있습니다. 우리는 두 가지 이상 탐지 벤치마크인 비지도 학습 상하이테크 데이터셋과 최근의 지도 학습 UBNORMAL 데이터셋에서 최신 연구 결과(state-of-the-art results)를 보고합니다.