一文看尽 6篇 CVPR2021 2D 异常检测论文

本文首发于极市平台，作者：刘冰一，转载须经授权并注明来源

6月25日，CVPR 2021 大会圆满结束，随着 CVPR 2021 最佳论文的出炉，本次大会所接收的论文也全部放出。CVPR2021 共接收了 7039 篇有效投稿，其中进入 Decision Making 阶段的共有约 5900 篇，最终有 1366 篇被接收为 poster，295 篇被接收为 oral，其中录用率大致为 23.6%，略高于去年的 22.1%。

CVPR 2021 全部接收论文列表：
https://openaccess.thecvf.com/CVPR2021?day=all

从 CVPR2021 公布结果开始，极市就一直对最新的 CVPR2021 进行分类汇总，共分为33个大类，包含检测、分割、估计、跟踪、医学影像、文本、人脸、图像视频检索、三维视觉、图像处理等多个方向。所有关于CVPR的论文整理都汇总在了我们的Github项目中，该项目目前已收获7200 Star。

Github项目地址（点击阅读原文即可跳转）：
https://github.com/extreme-assistant/CVPR2021-Paper-Code-Interpretation

在之前极市平台曾对 CVPR 2021中 “2D目标检测” 领域的论文进行了盘点，今天我们继续盘点 CVPR 2021 检测大类中的 “异常检测领域” 领域的论文，将依次阐述每篇论文的方法思路和亮点。接下来还会继续进行其他领域的 CVPR2021 论文盘点。如有遗漏或错误，欢迎大家在评论区补充指正。

论文一

Anomaly Detection in Video via Self-Supervised and Multi-Task Learning

标题：通过自我监督和多任务学习进行视频异常检测

论文：https://arxiv.org/abs/2011.07491

视频中的异常检测是一个具有挑战性的计算机视觉问题。由于训练时缺乏异常事件，异常检测需要设计没有完全监督的学习方法。这篇论文主要是通过object-level的自监督多任务学习解决视频中的异常检测问题，是第一个在这个问题上提出使用多任务学习方法的工作。

本文通过对象级别的自监督和多任务学习来处理视频中的异常事件检测。首先利用预训练的检测器来检测物体。然后，训练一个 3D 卷积神经网络，通过联合学习多个代理任务来产生有区别的异常特定信息：三个自监督任务和一项消融研究。

自监督任务是：1.区分向前/向后移动的物体（时间箭头）；2.连续/间歇帧