Reconnaissance d'événements anormaux dans les vidéos de surveillance à l'aide de modèles double-encodeur faiblement supervisés

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

November 17, 2025

papers.authors: Noam Tsfaty, Avishai Weizman, Liav Cohen, Moshe Tshuva, Yehudit Aperstein

cs.AI

papers.abstract

Nous abordons le défi de la détection d'anomalies rares et diverses dans les vidéos de surveillance en utilisant uniquement une supervision au niveau vidéo. Notre architecture à double backbone combine les représentations convolutionnelles et transformers via un pooling top-k, atteignant 90,7% d'aire sous la courbe (AUC) sur le jeu de données 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.