CVPR 2021 | 又好又快的视频异常检测，引入元学习的动态原型学习组件

Learning Normal Dynamics in Videos with Meta Prototype Network

作者：Hui lv, Chen Chen, Zhen Cui, Chunyan Xu, Yong Li, Jian Yang

单位：南京理工大学；北卡夏洛特分校

论文：https://arxiv.org/abs/2104.06689

代码：https://github.com/ktr-hubrt/MPN

摘要:

该工作提出了一个场景模式自适应的动态原型（prototype）学习框架，实时的学习视频中的正常模式，来辅助视频帧的预测，然后通过视频帧的预测误差和原型与输入特征的距离来检测异常。算法在多个无监督异常检测的数据集上均达到了SOTA  performance。

1. 简介

近来，基于自编码器的视频帧重建（或未来帧预测）方法成为视频异常检测的一个潮流算法。这些仅仅使用包含正常模式的数据训练的模型，在遇到没有见过的异常模式的数据时，往往会产生比较大的重构误差。

但是由于深度神经网络极强的泛化能力，深度模型对一些异常的视频帧也会重建（或预测）的较好，这就导致“过度泛化”问题。

在这份工作中，我们设计了一个动态原型学习的组件，来动态实时地建模和压缩视频中的正常模式为原型（prototype）ÿ