PulseAugur
实时 09:12:49
English(EN) Learning Where and When: Patch-Based Spatiotemporal Localization in Weakly Supervised Video Anomaly Detection

新框架实现视频中的空间和时间异常检测

研究人员开发了一种新的弱监督视频异常检测框架,通过结合空间定位和时间检测来解决现有方法的局限性。这种基于块的方法分析网格级别的块特征,以识别帧内的异常,而不仅仅是识别异常发生的时间。提出的 Proximity-Aware Top-k 策略在训练期间无需边界框监督即可生成详细的空间异常图,其性能优于当前最先进的方法,并为未来的研究提供了新资源。 AI

影响 通过实现空间定位,增强了视频异常检测系统的可解释性和实际部署能力。

排序理由 关于视频异常检测新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架实现视频中的空间和时间异常检测

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Hamza Karim, Nghia Nguyen, Lokman Bekit, Yasin Yilmaz ·

    Learning Where and When: Patch-Based Spatiotemporal Localization in Weakly Supervised Video Anomaly Detection

    arXiv:2606.29498v1 Announce Type: new Abstract: Weakly supervised video anomaly detection (WSVAD) has predominantly focused on temporal localization, identifying when anomalies occur while largely neglecting their spatial extent within frames. Yet, spatial localization is essenti…