ビデオ異常検出のためのマルチスケール統合知覚による空間時間的関係の学習

弱い監視下でのビデオ異常検出では、異常が背景ノイズによって偏る可能性があることが確認されています。以前の研究では、無関係な情報を除外するために局所領域に注目しようとしました。しかし、異なるシーンにおける異常な事象はサイズが異なり、現在の手法は異なるスケールの局所イベントを同時に考慮するのが困難です。このため、異なるスケールの異常領域を同時に認識するためのマルチスケール統合知覚（MSIP）学習アプローチを提案します。私たちの手法では、フレームを異なるスケールを持つパッチのいくつかのグループに分割し、マルチスケールパッチ空間関係（MPSR）モジュールをさらに提案して、マルチスケールパッチ間の不整合性をモデル化します。具体的には、MPSRモジュール内に階層的なグラフ畳み込みブロックを設計し、クロススケール特徴学習を実装することによってパッチ特徴の統合を改善します。また、既存のクリップ時間的関係ネットワークも導入し、私たちのモデルにおける空間時間的エンコーディングを可能にします。実験の結果、私たちの手法はShanghaiTechで新しい最先端の性能を達成し、UCF-Crimeベンチマークでも競争力のある結果を示しました。