소음 제거 확산 증강 하이브리드 비디오 이상 탐지를 위한 소음 프레임 재구성

비디오 이상 탐지(VAD)는 비정상적인 사건을 자동으로 식별하여 보안 및 감시 시스템을 강화하는 데 중요한 역할을 하며, 이를 통해 적시 대응이 가능하고 전반적인 상황 인식을 향상시킵니다. 기존 방법들이 기준 벤치마크에서 괜찮은 탐지 성능을 달성했으나, 이들이 예측한 객체는 여전히 의미적 측면에서 모호함을 나타냅니다. 이러한 한계를 극복하기 위해 우리는 소음 제거 확산 증강 하이브리드 비디오 이상 탐지(DHVAD) 프레임워크를 제안합니다. 제안된 소음 제거 기반 재구성 유닛(DRU)은 DHVAD의 중요한 구성 요소로서 의미적으로 정확한 정상성을 이해하는 데 기여합니다. 한편, 우리는 공간-시간적 일관성을 원활하게 탐색함으로써 DRU와 예측 기반 프레임 예측 유닛(FPU)의 장점을 통합하는 탐지 전략을 제안합니다. DHVAD의 경쟁력 있는 성능은 세 가지 기준 벤치마크 데이터셋과 최신 방법들과의 비교를 통해 우리의 프레임워크의 효과를 입증합니다. 확장된 실험 분석은 우리의 프레임워크가 VAD에서 정상성을 의미적 정확도로 더 잘 이해하고 두 구성 요소의 강점을 효율적으로 활용할 수 있음을 보여줍니다.