UMAD: University of Macau Anomaly Detection Benchmark Dataset

要約

異常検出は、早期警告のために画像内の異常領域を特定することにより、監視システムやパトロールロボットにとって重要です。
異常検知は、参照データを利用するか否かにより、参照ありの異常検知と参照なしの異常検知に分類できます。
現在、分布外 (OoD) オブジェクト検出と密接に関係している参照なしの異常検出は、異常の固有の希少性と新規性を備えた十分に大規模で多様な異常データセットを収集することが難しいため、異常パターンの学習に苦労しています。
あるいは、参照による異常検出では、参照画像とクエリ画像の間の意味上の変更を比較することによって異常を識別するための変更検出スキームが使用されます。
ただし、この分野では公開データセットが不足しているため、ADr の作品はほとんどありません。
このペーパーでは、UMAD ベンチマーク データセットを導入することで、このギャップに対処することを目的としています。
私たちの知る限り、これはロボットパトロールシナリオにおける参照による異常検出のために特別に設計された最初のベンチマークデータセットです。たとえば、参照ビデオシーケンスとクエリビデオシーケンスを比較することで、自律型ロボットが異常な物体を検出するために使用されます。
シーン内に異常な物体がない場合、ロボットは指定されたルートに沿って参照シーケンスを取得できます。
ロボットが同じルートをたどって同じシーンをパトロールしているときに、クエリ シーケンスがオンラインでキャプチャされます。
私たちのベンチマーク データセットは、事前に構築された 3D マップ内の同じルートに沿ったロボットの正確な位置特定に基づいて、各クエリ画像が対応する参照を見つけられるように精巧に作られています。これにより、適応ワーピングを使用して参照画像とクエリ画像を幾何学的に位置合わせすることができます。
提案されたベンチマーク データセットに加えて、このデータセットで ADr のベースライン モデルを評価します。

要約(オリジナル)

Anomaly detection is critical in surveillance systems and patrol robots by identifying anomalous regions in images for early warning. Depending on whether reference data are utilized, anomaly detection can be categorized into anomaly detection with reference and anomaly detection without reference. Currently, anomaly detection without reference, which is closely related to out-of-distribution (OoD) object detection, struggles with learning anomalous patterns due to the difficulty of collecting sufficiently large and diverse anomaly datasets with the inherent rarity and novelty of anomalies. Alternatively, anomaly detection with reference employs the scheme of change detection to identify anomalies by comparing semantic changes between a reference image and a query one. However, there are very few ADr works due to the scarcity of public datasets in this domain. In this paper, we aim to address this gap by introducing the UMAD Benchmark Dataset. To our best knowledge, this is the first benchmark dataset designed specifically for anomaly detection with reference in robotic patrolling scenarios, e.g., where an autonomous robot is employed to detect anomalous objects by comparing a reference and a query video sequences. The reference sequences can be taken by the robot along a specified route when there are no anomalous objects in the scene. The query sequences are captured online by the robot when it is patrolling in the same scene following the same route. Our benchmark dataset is elaborated such that each query image can find a corresponding reference based on accurate robot localization along the same route in the prebuilt 3D map, with which the reference and query images can be geometrically aligned using adaptive warping. Besides the proposed benchmark dataset, we evaluate the baseline models of ADr on this dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google