Core Concepts
비디오 특징 벡터를 정상 데이터의 고정 분포를 가진 무작위 변수로 간주하고, 신경망으로 이 분포의 확률 밀도 함수를 근사하여 이상 탐지를 수행한다.
Abstract
이 논문은 비디오 이상 탐지를 위한 새로운 접근법을 제안한다. 비디오에서 추출한 특징 벡터를 고정 분포를 가진 무작위 변수로 간주하고, 신경망을 사용하여 이 분포의 확률 밀도 함수를 모델링한다. 이를 통해 테스트 비디오의 가능도를 추정하고 임계값을 사용하여 이상을 탐지할 수 있다.
제안 방법은 변형된 denoising score matching 기법을 사용하여 신경망을 학습시킨다. 다양한 노이즈 수준에 걸쳐 로그 밀도 함수를 모델링하고, 이 모델들 간의 정렬을 유도하는 정규화 기법을 도입한다. 테스트 시에는 다중 노이즈 수준에서의 이상 지표를 가우시안 혼합 모델로 결합한다.
실험 결과, 제안 방법은 객체 중심 및 프레임 중심 비디오 이상 탐지 벤치마크에서 최신 기술 수준을 달성했다. 또한 추론 시 특징 추출과 신경망 및 가우시안 혼합 모델의 순전파만 필요하여 최소한의 지연이 발생한다.
Stats
비디오 특징 벡터는 고정 분포를 가진 무작위 변수의 실현으로 간주된다.
정상 데이터의 확률 밀도 함수를 신경망으로 근사한다.
다양한 노이즈 수준에서 로그 밀도 함수를 모델링하고 이를 정규화한다.
테스트 시 다중 노이즈 수준의 이상 지표를 가우시안 혼합 모델로 결합한다.