Hybrid Video Anomaly Detection for Anomalous Scenarios in Autonomous Driving

要約

自動運転では、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ます。
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。
自動運転用監視映像異常検知手法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 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. 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