Anmelden
Einblick - 비디오 이상 탐지
비디오 이상 탐지를 위한 시공간 가상 이상 생성 기반의 통합 접근법
정상 데이터만을 이용하여 공간적 및 시간적 가상 이상 데이터를 생성하고, 이를 통해 재구성 품질, 시간적 불규칙성 및 의미적 불일치 등 세 가지 이상 지표를 통합적으로 학습하여 실제 이상 상황을 효과적으로 탐지하는 방법을 제안한다.
동적 구분 학습: 비디오 이상 탐지를 위한 적응형 의사 이상치
동적 이상치 가중치와 구분 손실 함수를 통해 정상 및 이상 패턴을 효과적으로 구분하여 비디오 이상 탐지 성능을 향상시킨다.
비디오 이상 탐지를 위한 대규모 언어 모델 활용
본 연구는 사전 학습된 대규모 언어 모델과 비전-언어 모델을 활용하여 훈련 없이 비디오 이상 탐지를 수행하는 새로운 방법을 제안한다.
비디오 이상 탐지를 위한 프라이버시 보장 협업 학습 기반 새로운 기준선
본 연구는 감시 비디오에서 이상 행동을 완전히 비지도 방식으로 탐지할 수 있는 새로운 기준선 모델을 제안한다. 또한 참여자 간 데이터 공유 없이 협업 학습을 수행할 수 있는 프라이버시 보장 기술을 도입한다.
정상 데이터만을 사용하여 이상 탐지를 위한 잠재 공간 제한
정상 데이터만을 사용하여 훈련된 자동 인코더의 재구성 능력을 제한하기 위해 새로운 잠재 공간 제한 손실 함수를 제안한다.
비디오 이상 탐지를 위한 개방형 어휘 모델
본 연구는 사전 학습된 대규모 모델을 활용하여 알려진 이상 행동과 알려지지 않은 이상 행동을 모두 탐지하고 분류할 수 있는 개방형 어휘 비디오 이상 탐지 모델을 제안한다.
Produkte | Ressourcen
© 2024 by Linnk AI