MGFN: 약한 감독 비디오 이상 탐지를 위한 크기 대조적 스캔 앤 포커스 네트워크

감시 영상에서 이상 현상의 약한 지도 탐지는 도전적인 과제이다. 기존 연구들이 긴 영상에서 이상 현상을 정확히 위치화하는 능력이 부족한 데 비해, 본 연구에서는 공간-시간 정보를 효과적으로 통합하여 정확한 이상 탐지를 가능하게 하는 새로운 '눈길과 집중' 네트워크를 제안한다. 또한, 기존 방법들이 이상 정도를 나타내는 특징 크기(feature magnitude)를 사용하는 경우, 장면 변화의 영향을 무시하는 경향이 있음을 실험적으로 발견하였으며, 이로 인해 장면 간 특징 크기의 일관성 부족으로 인해 최적의 성능을 달성하지 못하는 문제가 발생한다. 이러한 문제를 해결하기 위해, 특징 증폭 메커니즘(Feature Amplification Mechanism)과 크기 대비 손실(Magnitude Contrastive Loss)을 제안하여 이상 탐지에 있어 특징 크기의 구분 능력을 향상시킨다. UCF-Crime 및 XD-Violence 두 개의 대규모 벤치마크에서의 실험 결과, 제안한 방법이 기존 최첨단 기법들을 모두 능가함을 입증하였다.