• 목록

[세미나 주제]
Weakly Supervised Learning for Video Anomaly Detection (Top-k & Feature Magnitude)

[요약]
본 발표에서는 VAD에서 기존 video level의 label을 어떻게 frame-level로 전이할지에 대한 task를 소개했다. VAD는 label과 task objective가 일치하지 않는 task로, video level의 label이 제공되는 반면 task objective는 이중 어느 구간에서 이상이 발생했는지를 식별해야한다. 기존에는 이상이 발생한 positive bag의 video로부터 Top-1 anomaly score를 가지는 구간을 이상으로 처리하는 방식을 활용했으나, Top-1 선택 시 label 안정성이 부족하고 판단 기준에 해당하는 anomaly scoring 또한 abnormal과 normal을 embedding space 상에서 멀리 보내도록 유도하는 것이 아닌 normal 의 decision boundary에만 집중한다는 한계점이 존재한다. 따라서, RTFM에서는 이 2가지를 교체하는 방법론을 제안한다. 기존 Top-1 selection이 아닌 Top-K를 통해 label 안정성을 보장하도록 했으며, 특히 anomaly scoring을 feature magnitude (feature L2 norm)으로 교체하여 단순 model output에 집중하는 것이 아닌 representation 자체를 feature magnitude가 더 커지도록 학습하는 방법론을 제안한다.

[관련 논문]
Multiple Instance Learning for Soft Bags via Top Instances
Weakly-supervised Video Anomaly Detection with Robust Temporal Feature Magnitude Learning

[발표 링크]
https://us06web.zoom.us/rec/share/1x3BgO5d8WVBqrEGHdrR7tZTMh_nnHrc6Zo7n2p1-TXp7HOnxBBFcVby7GwWu8-o.zivJC-KtQE_YNHvM