비디오 내 이상 탐지는 도전적인 컴퓨터 비전 문제입니다. 기존 최첨단 비디오 이상 탐지 방법은 주로 성능 향상을 위해 심층 신경망 구조 설계에 집중되어 있습니다. 주요 연구 동향과 달리 본 논문은 앙상블 학습과 심층 신경망을 결합하는 데 중점을 두어 앙상블 생성적 적대 신경망(Generative Adversarial Networks, GAN)에 기반한 방법을 제안합니다. 제안된 방법에서는 여러 생성기와 여러 판별기를 함께 학습하여 각 생성기가 다수의 판별기로부터 피드백을 받고 그 반대도 가능하게 합니다. 단일 GAN과 비교할 때 앙상블 GAN은 정상 데이터 분포를 더 잘 모델링하여 이상을 더 효과적으로 탐지할 수 있습니다. 제안된 방법의 성능은 두 개의 공개 데이터셋에서 테스트되었습니다. 결과는 앙상블 학습이 단일 탐지 모델의 성능을 크게 향상시키며, 두 데이터셋에서 기존 최신 방법보다 각각 0.4% 및 0.3% 프레임 수준 AUC가 향상되었음을 보여줍니다.

비디오 감시; 이상 이벤트; 딥러닝; 앙상블 학습; 생성적 적대 신경망