PHANTOM (Physical Anomalous Trajectory or Motion (PHANTOM))

近年来，许多作品都解决了在视频中发现从未见过的异常的问题。然而，大多数工作都集中在检测从安全摄像机拍摄的监控视频中的异常帧。同时，表现出异常机械行为的视频中的异常检测 (AD) 任务大多被忽视了。此类视频中的异常检测具有学术和实际意义，因为它们可以自动检测许多制造、维护和现实生活中的故障。为了评估检测此类异常的不同方法的潜力，我们评估了两种简单的基线方法：（i）时间池图像 AD 技术。 (ii) 用视频分类预训练的特征表示的视频的密度估计。开发此类方法需要新的基准，以评估不同的可能方法。我们介绍了物理异常轨迹或运动 (PHANTOM) 数据集，其中包含六个不同的视频类。每个类由正常和异常视频组成。这些类别在呈现的现象、正常类别的可变性和视频中的异常类型方面有所不同。我们还提出了一个更难的基准，应该在高度可变的场景中发现异常活动。