Hybrid Video Anomaly Detection for Anomalous Scenarios in Autonomous Driving

要約

自動運転において、最も困難なシナリオは、時間的コンテキスト内でのみ検出できるシナリオです。
ほとんどのビデオ異常検出アプローチは、監視または交通事故のいずれかに焦点を当てていますが、これらは自動運転のサブフィールドにすぎません。
この研究では、自動運転用の監視ビデオ異常検出手法 HF$^2$-VAD のバリエーションである HF$^2$-VAD$_{AD}$ を紹介します。
私たちは車両のエゴの観点から正常性の表現を学習し、まれなシナリオや重大なシナリオでのピクセル単位の異常検出を評価します。

要約(オリジナル)

In autonomous driving, the most challenging scenarios are the ones that can only be detected within their temporal context. Most video anomaly detection approaches focus either on surveillance or traffic accidents, which are only a subfield of autonomous driving. In this work, we present HF$^2$-VAD$_{AD}$, a variation of the HF$^2$-VAD surveillance video anomaly detection method for autonomous driving. We learn a representation of normality from a vehicle’s ego perspective and evaluate pixel-wise anomaly detections in rare and critical scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google