[論文レビュー] Networking Systems for Video Anomaly Detection: A Tutorial and Survey

Jing Liu, Yang Liu+8 more|arXiv (Cornell University)|May 16, 2024

Anomaly Detection Techniques and Applications被引用数 5

ひとこと要約

ビデオ異常検知のためのネットワークシステム（NSVAD）についてのチュートリアルとサーベイで、UVAD、WsVAD、FuVADルート、その前提条件、IoVT/エッジコンテキストでの展開、オープンリソースとケーススタディを概説する。

ABSTRACT

The increasing utilization of surveillance cameras in smart cities, coupled with the surge of online video applications, has heightened concerns regarding public security and privacy protection, which propelled automated Video Anomaly Detection (VAD) into a fundamental research task within the Artificial Intelligence (AI) community. With the advancements in deep learning and edge computing, VAD has made significant progress and advances synergized with emerging applications in smart cities and video internet, which has moved beyond the conventional research scope of algorithm engineering to deployable Networking Systems for VAD (NSVAD), a practical hotspot for intersection exploration in the AI, IoVT, and computing fields. In this article, we delineate the foundational assumptions, learning frameworks, and applicable scenarios of various deep learning-driven VAD routes, offering an exhaustive tutorial for novices in NSVAD. In addition, this article elucidates core concepts by reviewing recent advances and typical solutions and aggregating available research resources accessible at https://github.com/fdjingliu/NSVAD. Lastly, this article projects future development trends and discusses how the integration of AI and computing technologies can address existing research challenges and promote open opportunities, serving as an insightful guide for prospective researchers and engineers.

研究の動機と目的

• ネットワークシステム文脈（NSVAD）におけるVideo Anomaly Detection (VAD)の基礎概念と定義を明確化する。
• 監視なし/弱教師あり/完全な教師なしのVADルートを体系化し、それらの前提と適用性を比較する。
• ハードウェア、ネットワーキング、エッジ-クラウドアーキテクチャを含む実世界のNSVAD展開上の考慮事項を強調する。
• 産業用IoTとスマートシティにおける研究と実装を促進する実践的ガイダンス、データセット、コード、ワークショップを提供する。

提案手法

• NSVADの主要用語とAD、ND、OSR、OVVAD間の関係を定義し統一する。
• VADルートをUVAD、WsVAD、FuVADに分類し、それらの学習パラダイムと典型的なモデルを説明する。
• 新興タスク（OSVAD、OVVAD、ビデオ異常セグメンテーション）と多模態/オープンワールドの方向性をレビューする。
• NSVADのデータセット、評価指標、実用的な展開上の考慮事項を要約する。
• 研究者を支援するオープンソースリソースとGitHubリポジトリを提供する（コード、データセット、ワークショップ）。

実験結果

リサーチクエスチョン

• RQ1 NSVADにおけるUVAD、WsVAD、FuVADの核心的な相違点と共通の前提は何か？
• RQ2 オープンセットおよびオープンボキャブラリ変種（OSVAD、OVVAD）はVADモデルの設計と展開にどのように影響するか？
• RQ3 産業用IoTやスマートシティ環境でのNSVAD展開の実務的な課題と解決策は何か？
• RQ4 NSVAD研究と実践を支援する資源（データセット、ツール、チュートリアル）はどれか？

主な発見

• NSVADは、デプロイ可能なビデオ異常検知のためにAI、IoT、エッジコンピューティングを橋渡しする明示的な研究ホットスポットとして位置づけられる。
• 本稿はUVAD、WsVAD、FuVADルートを網羅的に分析し、それらの前提、学習パラダイム、適用性を詳述する。
• オープンセットおよびオープンボキャブラリ変種（OSVAD、OVVAD）は、オンラインおよび複雑なシナリオへVADを拡張する新興の方向性として特定される。
• 著者は、ハードウェア・システム・アルゴリズム・アプリケーション層にまたがるNSVADのシステム設計上の考慮事項を導入し、動的環境での展開を論じる。
• NSVAD研究と実践的採用を加速するオープンソースリソースハブ（データセット、コード、ワークショップ）が提供されている。
• 本チュートリアルには、産業用IoTおよびスマートシティ展開の事例研究と洞察が含まれており、実世界の応用を示す。