研究人员开发了VQ-VAD，一个用于以人为中心的视频异常检测的新框架，它学习离散的运动表示。该方法改编了向量量化GAN（VQ-GAN），从关键点序列创建正常行为的码本。当观察到的运动序列无法映射到此码本时，检测到异常，表明存在不寻常的活动。VQ-VAD系统在各种评估设置中表现出强大的性能，包括域内准确性和跨域泛化。 AI
影响 这种方法可以通过关注离散运动模式来提高视频监控系统的准确性和隐私性。
排序理由 该集群描述了一篇学术论文中提出的新颖框架和方法论。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.05069v1 Announce Type: cross Abstract: Video Anomaly Detection (VAD) is inherently challenging due to the scarcity of anomalies and the large visual variability in surveillance footage, including changes in lighting, viewpoint, and human appearance. To mitigate visual …
Video Anomaly Detection (VAD) is inherently challenging due to the scarcity of anomalies and the large visual variability in surveillance footage, including changes in lighting, viewpoint, and human appearance. To mitigate visual noise and address privacy concerns, recent work ha…