计算机科学 > 计算机视觉与模式识别
[提交于 2025年6月3日
(v1)
,最后修订 2025年6月4日 (此版本, v2)]
标题: 内存耗尽:基于多模态稀疏滤波网络学习主特征用于半监督视频异常检测
标题: MemoryOut: Learning Principal Features via Multimodal Sparse Filtering Network for Semi-supervised Video Anomaly Detection
摘要: 基于重构或预测的视频异常检测(VAD)方法面临两个关键挑战:(1)强泛化能力往往导致异常事件的准确重构或预测,这使得区分正常模式和异常模式变得困难;(2)仅依赖低级外观和运动线索限制了它们识别复杂场景中异常事件高级语义的能力。 为了解决这些局限性,我们提出了一种新的VAD框架,具有两项关键创新。 首先,为了抑制过度泛化,我们引入了稀疏特征过滤模块(SFFM),该模块利用瓶颈滤波器动态且自适应地从特征中移除异常信息。 与传统的记忆模块不同,它不需要在整个训练数据集中记住正常的原型。 此外,我们为SFFM设计了专家混合(MoE)架构。 每个专家在运行时负责提取专门的主要特征,并选择性地激活不同的专家以确保学习到的主要特征的多样性。 其次,为了克服现有方法对语义的忽视,我们将视觉-语言模型(VLM)集成进来,为视频片段生成文本描述,从而实现语义、外观和运动线索的全面联合建模。 此外,我们通过语义相似性约束和运动帧差异对比损失来强制模态一致性。 在多个公共数据集上的大量实验验证了我们多模态联合建模框架和稀疏特征过滤范式的有效性。 项目页面见 https://qzfm.github.io/sfn_vad_project_page/.
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.