• 목록

[일시] 2025.02.18

[리뷰 논문] Learning Regularity in Skeleton Trajectories for Anomaly Detection in Videos

[요약]
본 논문은 사람 골격(skeleton) 정보를 사용해 인간 움직임에 초점을 두는 방식을 제안하였다. 골격은 저차원(관절 좌표만 취급) 이며, 행동을 직접적으로 드러내므로 해석하기 쉽다. 전역(Global) 이동과 국소(local) 자세로 골격 좌표를 분해하고, 전역, 로컬을 서로 메시지 패싱하여 학습하는 RNN구조 (MPED-RNN)을 도입했다. 사람 움직임에 특화된 골격 정보를 활용함으로써, 영상 이상탐지의 해석 가능성과 효율성을 높였다. 메시지 패싱 RNN 구조로 전역/로컬 움직임을 동시에 모델링하였다.

[녹화 영상 링크]


[Q&A]
Q : Perceptual loss 값 정리
A : 모델 학습 시, 각각의 좌표계에서 재구성,예측 오차를 구한 뒤, 이를 최종 이미지(화면) 좌표계에서도  한 번 더 계산하여 Perceptual Loss라 부릅니다. 모델이 예측한 skeleton(관절 좌표)이 실제 영상 속에서 어떻게 배치되어야 하는가?를 화면(픽셀)좌표상에서 직접 비교하여 측정한 오차입니다. 전역/로컬 손실을 보완하여, 학습을 더욱 정교하게 만들고, 실제 환경에서의 이상탐지 정확도를 높여줍니다.