Networking Systems for Video Anomaly Detection: A Tutorial and Survey

要約

オンラインビデオアプリケーションの急増と相まって、スマートシティでの監視カメラの利用の増加は、公共セキュリティとプライバシー保護に関する懸念を高め、自動化されたビデオ異常検出（VAD）を人工知能（AI）コミュニティ内の基本的な研究タスクに推進しました。
ディープラーニングとエッジコンピューティングの進歩により、VADは大幅な進歩を遂げ、スマートシティやビデオインターネットの新たなアプリケーションと相乗効果を発揮しました。これは、AI、IOVT、およびコンピューティングフィールドでの交差点探索のための実用的なホットスポットであるALGORITHM ENGINEERINGの従来の研究範囲（NSVAD）に移行しました。
この記事では、NSVADの初心者向けの徹底的なチュートリアルを提供する、さまざまな深い学習駆動型VADルートの基本的な仮定、学習フレームワーク、および適用可能なシナリオを描写します。
さらに、この記事は、最近の進歩と典型的なソリューションをレビューし、https：//github.com/fdjingliu/nsvadでアクセスできる利用可能な研究リソースを集約することにより、コアの概念を解明します。
最後に、この記事は将来の開発動向を予測し、AIとコンピューティングテクノロジーの統合が既存の研究の課題に対処し、オープンな機会を促進する方法について説明し、将来の研究者とエンジニアのための洞察に満ちたガイドとして機能します。

要約(オリジナル)

The increasing utilization of surveillance cameras in smart cities, coupled with the surge of online video applications, has heightened concerns regarding public security and privacy protection, which propelled automated Video Anomaly Detection (VAD) into a fundamental research task within the Artificial Intelligence (AI) community. With the advancements in deep learning and edge computing, VAD has made significant progress and advances synergized with emerging applications in smart cities and video internet, which has moved beyond the conventional research scope of algorithm engineering to deployable Networking Systems for VAD (NSVAD), a practical hotspot for intersection exploration in the AI, IoVT, and computing fields. In this article, we delineate the foundational assumptions, learning frameworks, and applicable scenarios of various deep learning-driven VAD routes, offering an exhaustive tutorial for novices in NSVAD. In addition, this article elucidates core concepts by reviewing recent advances and typical solutions and aggregating available research resources accessible at https://github.com/fdjingliu/NSVAD. Lastly, this article projects future development trends and discusses how the integration of AI and computing technologies can address existing research challenges and promote open opportunities, serving as an insightful guide for prospective researchers and engineers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google