Extended Graph Learning for Weakly Supervised Video Anomaly Detection

Jixiang Deng

doi:10.1109/TCSVT.2025.3625570

2025-10-27

PRE

DOI：10.1109/TCSVT.2025.3625570

原文链接

原文求助

摘要

En 中文

视频异常检测（VAD）因其理论价值与实践价值在众多领域具有重要意义。VAD面临的一个挑战是，由于标注成本高昂，难以获取片段级标签。近年来，研究人员采用视频级标签作为弱监督形式，由此推动了弱监督视频异常检测（WS-VAD）的发展。在各类WS-VAD方法中，图卷积网络（GCNs）因其能够建模视频数据中的关系信息而备受关注。通常，关系由图边表示，体现为类标签相似性，这种相似性基于视频片段间的特征相似性和时间一致性构建。毋庸置疑，提供的类标签相似性信息越多，GCN的性能就越高。在VAD的实际场景中，异常体呈现出多样性、稀有性等独特属性。这些属性可能导致以下情况：给定两个视频片段，尽管它们的特征相似性低且时间间隔大，但两者均为异常，即具有相同的类标签。同样，正常样本也会遇到此类情况。然而，现有GCN方法中的图结构未能充分考虑到这种情况。为解决此问题，本文提出了一种扩展图学习（EGL）方法，该方法在视频片段间引入额外的类标签相似性。所提出的EGL包含两个扩展图卷积网络（EGCNs）：一个空间EGCN和一个时间EGCN。为捕捉更准确的类标签相似性信息，EGL引入反馈模块以更新EGCN的图结构。EGL能够有效提取更多类标签相似性信息，从而在训练数据稀缺时确保良好性能。实验结果突显了所提EGL方法的优越性，尤其是在训练样本有限的情况下。具体而言，仅使用30%训练数据时，EGL在ShanghaiTech上达到95.55%的AUC，在UCF-Crime上达到81.29%的AUC，在XD-Violence上达到75.31%的AP，分别比现有VAD方法高出6.86%、3.23%和4.40%。

Keyword:

Video anomaly detection

graph learning

graph convolutional network

weakly supervised learning