변분 오토인코더와 궤적 예측을 통한 인간 중심 비디오 이상 탐지에 대한 탐색적 연구

비디오 이상 탐지(VAD)는 컴퓨터 비전 분야에서 도전적이고 주목받는 연구 과제를 나타냅니다. 최근 몇 년 동안, 자세 기반 비디오 이상 탐지(PAD)는 픽셀 기반 접근법에 비해 여러 가지 고유한 장점이 있음에도 불구하고 가끔 성능이 최적화되지 않는 경우가 있어 연구 커뮤니티로부터 많은 관심을 받았습니다. 특히, PAD는 계산 복잡도의 감소, 내재된 프라이버시 보호, 그리고 특정 인구 집단에 대한 차별과 편향 문제의 완화라는 특징을 가지고 있습니다. 본 논문에서는 VAEs(변분 오토인코더)와 궤적 예측을 활용한 새로운 인간 중심의 두 스트림 그래프 개선형 이상 탐지(TSGAD)를 소개합니다. TSGAD는 VAEs를 자세 기반 인간 중심 VAD의 새로운 접근법으로 활용하는 가능성을 탐색하고 궤적 예측의 이점을 함께 제공하기 위해 설계되었습니다. 우리는 벤치마크 데이터셋에서의 포괄적인 실험을 통해 TSGAD의 효과성을 입증합니다. TSGAD는 최신 방법들과 비교 가능한 결과를 보여주며, 변분 오토인코더를 채택하는 잠재력을 강조합니다. 이는 미래 연구 노력의 유망한 방향을 제시합니다. 본 연구의 코드베이스는 https://github.com/TeCSAR-UNCC/TSGAD에서 이용할 수 있습니다.