Buchumschlag

What Matters in Autonomous Driving Anomaly Detection: A Weakly Supervised Horizon

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tiwari, Utkarsh, Majhi, Snehashis, Balazia, Michal, Brémond, François
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

B-MoE: A Body-Part-Aware Mixture-of-Experts "All Parts Matter" Approach to Micro-Action Recognition
von: Poddar, Nishit, et al.
Veröffentlicht: (2026)

Mixture of Experts Guided by Gaussian Splatters Matters: A new Approach to Weakly-Supervised Video Anomaly Detection
von: D'Amicantonio, Giacomo, et al.
Veröffentlicht: (2025)

Just Dance with $π$! A Poly-modal Inductor for Weakly-supervised Video Anomaly Detection
von: Majhi, Snehashis, et al.
Veröffentlicht: (2025)

Identifying Surgical Instruments in Pedagogical Cataract Surgery Videos through an Optimized Aggregation Network
von: Sinha, Sanya, et al.
Veröffentlicht: (2025)

Introducing Gating and Context into Temporal Action Detection
von: Reka, Aglind, et al.
Veröffentlicht: (2024)

CM3T: Framework for Efficient Multimodal Learning for Inhomogeneous Interaction Datasets
von: Agrawal, Tanay, et al.
Veröffentlicht: (2025)

Sharpening Lightweight Models for Generalized Polyp Segmentation: A Boundary Guided Distillation from Foundation Models
von: Agnihotri, Shivanshu, et al.
Veröffentlicht: (2026)

Mamba Guided Boundary Prior Matters: A New Perspective for Generalized Polyp Segmentation
von: Dutta, Tapas K., et al.
Veröffentlicht: (2025)

From SAM to DINOv2: Towards Distilling Foundation Models to Lightweight Baselines for Generalized Polyp Segmentation
von: Agnihotri, Shivanshu, et al.
Veröffentlicht: (2025)

SAM-Mamba: Mamba Guided SAM Architecture for Generalized Zero-Shot Polyp Segmentation
von: Dutta, Tapas Kumar, et al.
Veröffentlicht: (2024)

Weakly and Self-Supervised Class-Agnostic Motion Prediction for Autonomous Driving
von: Li, Ruibo, et al.
Veröffentlicht: (2025)

Weakly-Supervised Spatiotemporal Anomaly Detection
von: Gianchandani, Urvi, et al.
Veröffentlicht: (2026)

Temporally Propagated Masks and Bounding Boxes: Combining the Best of Both Worlds for Multi-Object Tracking
von: Stanczyk, Tomasz, et al.
Veröffentlicht: (2024)

Weakly Supervised Video Anomaly Detection with Anomaly-Connected Components and Intention Reasoning
von: Wang, Yu, et al.
Veröffentlicht: (2026)

Distilling Aggregated Knowledge for Weakly-Supervised Video Anomaly Detection
von: Dalvi, Jash, et al.
Veröffentlicht: (2024)

Cross Pseudo Labeling For Weakly Supervised Video Anomaly Detection
von: Lee, Dayeon, et al.
Veröffentlicht: (2026)

Learning Event Completeness for Weakly Supervised Video Anomaly Detection
von: Wang, Yu, et al.
Veröffentlicht: (2025)

Text Prompt with Normality Guidance for Weakly Supervised Video Anomaly Detection
von: Yang, Zhiwei, et al.
Veröffentlicht: (2024)

Industrial Anomaly Detection and Localization Using Weakly-Supervised Residual Transformers
von: Li, Hanxi, et al.
Veröffentlicht: (2023)

Are Visual-Language Models Effective in Action Recognition? A Comparative Study
von: Ali, Mahmoud, et al.
Veröffentlicht: (2024)

Pseudo Anomalies Are All You Need: Diffusion-Based Generation for Weakly-Supervised Video Anomaly Detection
von: Hashimoto, Satoshi, et al.
Veröffentlicht: (2025)

A Lightweight Video Anomaly Detection Model with Weak Supervision and Adaptive Instance Selection
von: Wang, Yang, et al.
Veröffentlicht: (2023)

Cross-Modal Fusion and Attention Mechanism for Weakly Supervised Video Anomaly Detection
von: Ghadiya, Ayush, et al.
Veröffentlicht: (2024)

Language-guided Open-world Video Anomaly Detection under Weak Supervision
von: Liu, Zihao, et al.
Veröffentlicht: (2025)

Learning Prompt-Enhanced Context Features for Weakly-Supervised Video Anomaly Detection
von: Pu, Yujiang, et al.
Veröffentlicht: (2023)

AnoVox: A Benchmark for Multimodal Anomaly Detection in Autonomous Driving
von: Bogdoll, Daniel, et al.
Veröffentlicht: (2024)

Hybrid Video Anomaly Detection for Anomalous Scenarios in Autonomous Driving
von: Bogdoll, Daniel, et al.
Veröffentlicht: (2024)

UMAD: Unsupervised Mask-Level Anomaly Detection for Autonomous Driving
von: Bogdoll, Daniel, et al.
Veröffentlicht: (2024)

No Train Yet Gain: Towards Generic Multi-Object Tracking in Sports and Beyond
von: Stanczyk, Tomasz, et al.
Veröffentlicht: (2025)

Weakly Supervised Semantic Segmentation for Driving Scenes
von: Kim, Dongseob, et al.
Veröffentlicht: (2023)

Weakly-supervised Autism Severity Assessment in Long Videos
von: Ali, Abid, et al.
Veröffentlicht: (2024)

MTFL: Multi-Timescale Feature Learning for Weakly-Supervised Anomaly Detection in Surveillance Videos
von: Zhang, Yiling, et al.
Veröffentlicht: (2024)

RefineVAD: Semantic-Guided Feature Recalibration for Weakly Supervised Video Anomaly Detection
von: Lee, Junhee, et al.
Veröffentlicht: (2025)

You Only Click Once: Single Point Weakly Supervised 3D Instance Segmentation for Autonomous Driving
von: Jiang, Guangfeng, et al.
Veröffentlicht: (2025)

Interleaving One-Class and Weakly-Supervised Models with Adaptive Thresholding for Unsupervised Video Anomaly Detection
von: Nie, Yongwei, et al.
Veröffentlicht: (2024)

Learning to Tell Apart: Weakly Supervised Video Anomaly Detection via Disentangled Semantic Alignment
von: Yin, Wenti, et al.
Veröffentlicht: (2025)

ProDisc-VAD: An Efficient System for Weakly-Supervised Anomaly Detection in Video Surveillance Applications
von: Zhu, Tao, et al.
Veröffentlicht: (2025)

Weakly Supervised Video Anomaly Detection and Localization with Spatio-Temporal Prompts
von: Wu, Peng, et al.
Veröffentlicht: (2024)

Stereo-based 3D Anomaly Object Detection for Autonomous Driving: A New Dataset and Baseline
von: Mu, Shiyi, et al.
Veröffentlicht: (2025)

Bootstrapping Autonomous Driving Radars with Self-Supervised Learning
von: Hao, Yiduo, et al.
Veröffentlicht: (2023)