Multi-Perceptual Framework for Anomaly Detection

Chaobo Li

doi:10.1109/TETCI.2026.3657946

Multi-Perceptual Framework for Anomaly Detection

2026-02-02

0

PRE

AI

DOI：10.1109/TETCI.2026.3657946

原文链接

原文求助

摘要

En 中文

异常检测是智能监控中一项至关重要但具有挑战性的任务，这是由于数据稀疏且不规则的特性。大多数现有的无监督方法主要通过帧预测来检测异常，但其判别距离有限。与此同时，还存在一些问题，如缺乏语义相关性以及对帧间关系关注不足，这些问题对于异常检测至关重要。为解决这些问题，提出了一种使用文本和视觉信息的多感知框架（MPFork），该框架融合了融合预测、语义感知和时间判别的思想。具体而言，设计了特征融合预测模块，通过融合异构特征来集中表征正常性并抑制异常。同时，提出了图像-文本语义感知模块，通过关联视觉与文本特征来确保语义一致性，其中采用局部和全局推理来感知局部异常，并同时测量全局帧中每个对象的归属度。此外，开发了时间注意力判别模块，用于捕捉帧间关系，并在时间维度上从正常序列中识别伪异常序列。大量实验表明，所提出的MPFork优于大多数现有最优方法，这证明了我们的MPFork在异常检测中的有效性。

Keyword:

Video anomaly detection

prediction

discrimination

perception

Multi-Perceptual Framework for Anomaly Detection

摘要

期刊

机构

引用论文