近年来，设计和测试视频异常检测方法的重点是合成或不真实的序列。这主要有四个缺点：1）事件是可控的和可预测的，因为它们通常由演员执行； 2) 环境条件，例如摄像机运动和照明通常是理想的，因此不能很好地反映现实条件； 3) 事件通常很短且重复； 4) 从不一定与测试场景匹配的场景中捕获材料。这导致我们提出了一个新的、丰富的、由监控摄像机在具有挑战性的环境条件下捕获的逼真视频集合，即实时视频 (LV)

OpenDataLab2026-07-12 更新210

Street Scene 街景数据集

音视频异常检测

公共安全

Street Scene 是一个用于视频异常检测的数据集。数据集包括从 USB 相机拍摄的 46 个训练和 35 个测试视频。视频包括白天俯瞰有自行车道和人行道的双车道街道场景，各种各样的活动场景，例如汽车驾驶、转弯等。该数据集共有 56847 帧用于训练，14 万 6410 帧用于测试。该数据集共包含 205 起自然发生的异常事件（乱穿马路和非法掉头等）。

超神经2024-02-09 更新790

AV-Deepfake1M

深度伪造

音视频异常检测

The detection and localization of highly realistic deepfake audio-visual content are challenging even for the most advanced state-of-the-art methods. While most of the research efforts in this domain

DataCite Commons2024-03-04 更新320

Weathervenue - Synthetic Weather Augmented Avenue

资源简介：

相关数据集