[論文レビュー] Generative Cooperative Learning for Unsupervised Video Anomaly Detection

Muhammad Zaigham Zaheer, Arif Mahmood+4 more|arXiv (Cornell University)|Jan 1, 2022

Anomaly Detection Techniques and Applications被引用数 6

ひとこと要約

本稿では、異常が希少で明確に定義されていない状況において、人為的ラベルが一切不要な、非教師あり動画異常検出フレームワークとして、生成的協調学習（GCL）を提案する。GCLは、お互いの出力から得られる疑似ラベルを用いて、生成器と識別器を協調的・反復的に学習させる。異常は低頻度であることに着目し、異常コンテンツの再構成を防ぐためのネガティブ学習戦略を導入することで、UCF-CrimeおよびShanghaiTechデータセットで最先端の性能を達成した。

ABSTRACT

Video anomaly detection is well investigated in weakly-supervised and one-class classification (OCC) settings. However, unsupervised video anomaly detection methods are quite sparse, likely because anomalies are less frequent in occurrence and usually not well-defined, which when coupled with the absence of ground truth supervision, could adversely affect the performance of the learning algorithms. This problem is challenging yet rewarding as it can completely eradicate the costs of obtaining laborious annotations and enable such systems to be deployed without human intervention. To this end, we propose a novel unsupervised Generative Cooperative Learning (GCL) approach for video anomaly detection that exploits the low frequency of anomalies towards building a cross-supervision between a generator and a discriminator. In essence, both networks get trained in a cooperative fashion, thereby allowing unsupervised learning. We conduct extensive experiments on two large-scale video anomaly detection datasets, UCF crime, and ShanghaiTech. Consistent improvement over the existing state-of-the-art unsupervised and OCC methods corroborate the effectiveness of our approach.

研究の動機と目的

• ラベル付きデータが利用不可で、かつ異常が希少かつ曖昧に定義される非教師あり動画異常検出の課題に対処すること。
• 単一クラスや弱教師ありの仮定に依存せずに、堅牢な正常表現を学習する手法を開発すること。
• 生成器と識別器が互いに疑似ラベルを用いて相互に監視することで、完全に非教師ありの学習を可能にすること。
• 新規のネガティブ学習アプローチにより、高信頼度の異常領域の再構成を防ぎ、異常の局所化を向上させること。

提案手法

• フレームワークは、真のラベルを一切使用せず、交互に協調的に学習する生成器と識別器から構成される。
• 生成器は入力フレームを再構成し、異常表現の高信頼度領域を歪ませるためのネガティブ学習（NL）を適用する。この際、異常再構成をペナルティ化するための疑似ターゲットとして「1」を用いる。
• 識別器は、生成器の再構成誤差から生成された疑似ラベルを用いて、入力が異常である確率を推定する。
• 疑似ラベルは、生成器の再構成誤差をしきい値処理することで作成され、「1」がネガティブ学習における最適な疑似ターゲットであることが判明した。
• 生成器は再構成損失とネガティブ学習損失の両方を用いて学習され、識別器は疑似ラベルに対する交差エントロピー損失を用いて学習される。
• 生成器と識別器の更新を交互に繰り返すことで、相互の監視による相互改善が実現される。

実験結果

リサーチクエスチョン

• RQ1 生成器と識別器の協調的学習フレームワークは、非教師あり動画異常検出で最先端の性能を達成できるか？
• RQ2 異常ラベルが一切ない状況で、ネガティブ学習が生成器による異常コンテンツ再構成をどれほど効果的に防げるか？
• RQ3 生成器と識別器の間で疑似ラベルを相互に共有することで、自己教師ありや単一クラスベースラインと比較して検出性能が向上するか？
• RQ4 疑似ターゲットの選択（例：1、ランダム、ガウス分布）がGCLフレームワークの性能にどの程度影響を与えるか？

主な発見

• GCLは、ラベルなしの学習データのみを用いてUCF-Crimeデータセットで70.13 ± 0.52のAUCを達成し、既存の非教師ありおよび単一クラス分類手法を上回った。
• ネガティブ学習における疑似ターゲットとして「1」を使用した場合が最も高い性能を示し、ランダムおよびガウス分布による摂動よりも顕著に優れていた。
• GCLP Tバージョンは、GCLBと比較して収束が早く、ランダムシードによる分散が低く、平均AUCは70.13 ± 0.52を達成した。
• 33％の弱教師ありラベル（動画レベルラベル）を導入するだけで、AUCが顕著に向上した。これは、最小限の監視情報が学習を強化することを示している。
• 生成器自身の疑似ラベルを用いて学習させた場合、AUCは62.28％にとどまり、GCLP Tが達成した71.04％よりも低かった。これは、識別器がノイズの多いラベルに強く、性能を発揮することが重要であることを裏付けている。
• しきい値処理ではなくソフトラベルを用いることで、ベースラインとほぼ同等の性能が得られた。これは、識別器が生成器の出力を単に再現しているだけで、改善が見られないことを示している。