바운딩 박스와 확률적 그래픽 모델: 비디오 이상 탐지 간소화

이 연구에서는 비디오 이상 탐지(VAD) 작업을 객체 경계 상자의 확률적 분석으로 정식화하였습니다. 우리는 객체를 경계 상자만으로 표현하는 것이 장면 내에서 비정상적인 이벤트를 성공적으로 식별하기에 충분할 수 있다는 가설을 세웠습니다. 이 접근 방식의 암시된 가치는 객체 익명화 증가, 모델 학습 속도 향상 및 더 적은 계산 자원 사용입니다. 이는 특히 카메라와 같은 엣지 디바이스에서 실행되는 비디오 감시 응용 프로그램에 유리할 것입니다. 우리의 모델은 인간의 추론 기반으로 설계되어 모델 출력을 인간이 이해할 수 있는 용어로 설명하는 데 도움이 됩니다. 한편, 가장 느린 모델조차 11세대 인텔 코어 i9 프로세서에서 7초 미만으로 학습됩니다. 우리의 접근 방식은 기존 연구보다 문제 특성 공간을 크게 줄이는 것이지만, 이는 성능 저하로 이어지지 않는다는 것을 보였습니다. 우리가 제보한 결과는 CUHK Avenue 및 ShanghaiTech 벤치마크 데이터셋에서 매우 경쟁력 있으며, 특히 가장 어려운 VAD 데이터셋 중 하나인 StreetScene에서 최신 최고 수준의 결과를 크게 초과합니다.