UCF-Crime

Video anomaly detection (VAD) aims to temporally locate abnormal events in a video. Existing works mostly rely on training deep models to learn the distribution of normality with either video-level supervision, one-class supervision, or in an unsupervised setting.

视频异常检测（Video Anomaly Detection，VAD）旨在对视频中的异常事件进行时序定位。现有研究大多通过训练深度模型学习正常样本的分布，其采用的监督方式包括视频级监督、单类监督，或是在无监督设置下开展训练。

搜集汇总

背景与挑战

背景概述

UCF-Crime是一个用于视频异常检测的数据集，旨在帮助模型定位视频中异常事件的时间点。它支持视频级监督、单类监督和无监督等多种学习方式，用于训练深度模型以区分正常与异常行为。