MLE-UVAD：完全教師なし動画異常検出のための最小潜在エントロピーオートエンコーダ（Minimal Latent Entropy Autoencoder）

要旨: 本論文では、単一シーンにおける、完全に教師なしの動画異常検知（VAD）という困難な問題に取り組みます。ここでは、正常および異常の両方の事象を含む生の動画を、ラベルなしでそのまま学習と評価に用います。これは、従来研究とは大きく異なり、従来は大規模なラベル付け（完全または弱教師あり）を必要とするか、あるいは正常のみの動画に依存する（二クラスの一クラス分類）ため、分布シフトや汚染に脆弱です。本研究では、エントロピーに導かれた自己符号化器（オートエンコーダ）を提案します。これは、正常フレームをうまく再構成する一方で、異常をうまく再構成しないようにすることで、再構成誤差により異常を検出します。主要なアイデアは、自己符号化器において標準的な再構成損失と、新規の最小潜在エントロピー（Minimal Latent Entropy: MLE）損失を組み合わせることです。再構成損失だけでも、入力の本質的な違いにより、正常入力と異常入力を異なる潜在クラスタへマッピングできますが、異常を過度にうまく再構成してしまうリスクもあります。そこでMLE損失がこの問題を解決し、潜在埋め込みのエントロピーを最小化することで、それらが高密度領域に集中するよう促します。生動画では正常フレームが支配的であるため、まばらな異常の埋め込みは正常クラスタへ引き寄せられ、その結果デコーダは正常パターンを強調し、異常に対しては再構成が不十分になります。この二重損失の設計により、異常検知を可能にする明確な再構成ギャップが得られます。広く用いられている2つのベンチマークおよび、困難な自己収集のドライビングデータセットに対する大規模な実験により、本手法がベースラインを上回る頑健で優れた性能を達成することを示します。