Detección de Eventos Anómalos en Videos de Vigilancia mediante Modelos de Doble Codificador con Aprendizaje Débilmente Supervisado

Recognition of Abnormal Events in Surveillance Videos using Weakly Supervised Dual-Encoder Models

November 17, 2025

Autores: Noam Tsfaty, Avishai Weizman, Liav Cohen, Moshe Tshuva, Yehudit Aperstein

cs.AI

Resumen

Abordamos el desafío de detectar anomalías raras y diversas en videos de vigilancia utilizando únicamente supervisión a nivel de video. Nuestro marco de doble arquitectura combina representaciones convolucionales y de transformadores mediante agrupación top-k, logrando un 90.7% de área bajo la curva (AUC) en el conjunto de datos UCF-Crime.

English

We address the challenge of detecting rare and diverse anomalies in surveillance videos using only video-level supervision. Our dual-backbone framework combines convolutional and transformer representations through top-k pooling, achieving 90.7% area under the curve (AUC) on the UCF-Crime dataset.