Buchumschlag

Exploring Pose-Based Anomaly Detection for Retail Security: A Real-World Shoplifting Dataset and Benchmark

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rashvand, Narges, Noghre, Ghazal Alinezhad, Pazho, Armin Danesh, Yao, Shanle, Tabkhi, Hamed
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

From Offline to Periodic Adaptation for Pose-Based Shoplifting Detection in Real-world Retail Security
von: Yao, Shanle, et al.
Veröffentlicht: (2026)

Shopformer: Transformer-Based Framework for Detecting Shoplifting via Human Pose
von: Rashvand, Narges, et al.
Veröffentlicht: (2025)

ALFred: An Active Learning Framework for Real-world Semi-supervised Anomaly Detection with Adaptive Thresholds
von: Yao, Shanle, et al.
Veröffentlicht: (2025)

Evaluating the Effectiveness of Video Anomaly Detection in the Wild: Online Learning and Inference for Real-world Deployment
von: Yao, Shanle, et al.
Veröffentlicht: (2024)

Human-Centric Video Anomaly Detection Through Spatio-Temporal Pose Tokenization and Transformer
von: Noghre, Ghazal Alinezhad, et al.
Veröffentlicht: (2024)

Are Multimodal LLMs Ready for Surveillance? A Reality Check on Zero-Shot Anomaly Detection in the Wild
von: Yao, Shanle, et al.
Veröffentlicht: (2026)

A Survey on Video Anomaly Detection via Deep Learning: Human, Vehicle, and Environment
von: Noghre, Ghazal Alinezhad, et al.
Veröffentlicht: (2025)

An Exploratory Study on Human-Centric Video Anomaly Detection through Variational Autoencoders and Trajectory Prediction
von: Noghre, Ghazal Alinezhad, et al.
Veröffentlicht: (2024)

Towards Adaptive Human-centric Video Anomaly Detection: A Comprehensive Framework and A New Benchmark
von: Pazho, Armin Danesh, et al.
Veröffentlicht: (2024)

From Frames to Events: Rethinking Evaluation in Human-Centric Video Anomaly Detection
von: Rashvand, Narges, et al.
Veröffentlicht: (2026)

Adversarially-Refined VQ-GAN with Dense Motion Tokenization for Spatio-Temporal Heatmaps
von: Maldonado, Gabriel, et al.
Veröffentlicht: (2025)

VT-Former: An Exploratory Study on Vehicle Trajectory Prediction for Highway Surveillance through Graph Isomorphism and Transformer
von: Pazho, Armin Danesh, et al.
Veröffentlicht: (2023)

From Lab to Field: Real-World Evaluation of an AI-Driven Smart Video Solution to Enhance Community Safety
von: Yao, Shanle, et al.
Veröffentlicht: (2023)

MoCLIP: Motion-Aware Fine-Tuning and Distillation of CLIP for Human Motion Generation
von: Maldonado, Gabriel, et al.
Veröffentlicht: (2025)

MoFM: A Large-Scale Human Motion Foundation Model
von: Baharani, Mohammadreza, et al.
Veröffentlicht: (2025)

Real-Time Bus Arrival Prediction: A Deep Learning Approach for Enhanced Urban Mobility
von: Rashvand, Narges, et al.
Veröffentlicht: (2023)

Real-Time Bus Departure Prediction Using Neural Networks for Smart IoT Public Bus Transit
von: Rashvand, Narges, et al.
Veröffentlicht: (2025)

Distributed learning for automatic modulation recognition in bandwidth-limited networks
von: Rashvand, Narges, et al.
Veröffentlicht: (2025)

Real-IAD: A Real-World Multi-View Dataset for Benchmarking Versatile Industrial Anomaly Detection
von: Wang, Chengjie, et al.
Veröffentlicht: (2024)

Enhancing Automatic Modulation Recognition for IoT Applications Using Transformers
von: Rashvand, Narges, et al.
Veröffentlicht: (2024)

OCT-SelfNet: A Self-Supervised Framework with Multi-Modal Datasets for Generalized and Robust Retinal Disease Detection
von: Jannat, Fatema-E, et al.
Veröffentlicht: (2024)

SplatPose+: Real-time Image-Based Pose-Agnostic 3D Anomaly Detection
von: Liu, Yizhe, et al.
Veröffentlicht: (2024)

Texture-AD: An Anomaly Detection Dataset and Benchmark for Real Algorithm Development
von: Lei, Tianwu, et al.
Veröffentlicht: (2024)

Anatomy-Aware Unsupervised Detection and Localization of Retinal Abnormalities in Optical Coherence Tomography
von: Haghighi, Tania, et al.
Veröffentlicht: (2026)

RAD: A Dataset and Benchmark for Real-Life Anomaly Detection with Robotic Observations
von: Zhou, Kaichen, et al.
Veröffentlicht: (2024)

EngineAD: A Real-World Vehicle Engine Anomaly Detection Dataset
von: Hojjati, Hadi, et al.
Veröffentlicht: (2026)

Real-World On-Vehicle Evaluation of Embedding-Based Anomaly Detection
von: Schotschneider, Albert, et al.
Veröffentlicht: (2026)

Real-Time Feedback and Benchmark Dataset for Isometric Pose Evaluation
von: Jaiswal, Abhishek, et al.
Veröffentlicht: (2025)

ISP-AD: A Large-Scale Real-World Dataset for Advancing Industrial Anomaly Detection with Synthetic and Real Defects
von: Krassnig, Paul J., et al.
Veröffentlicht: (2025)

Zero-Shot Anomaly Detection with Dual-Branch Prompt Selection
von: Wang, Zihan, et al.
Veröffentlicht: (2025)

UMAD: University of Macau Anomaly Detection Benchmark Dataset
von: Li, Dong, et al.
Veröffentlicht: (2024)

Intelligent CCTV for Urban Design: AI-Based Analysis of Soft Infrastructure at Intersections
von: Katariya, Vinit, et al.
Veröffentlicht: (2026)

SplatPose & Detect: Pose-Agnostic 3D Anomaly Detection
von: Kruse, Mathis, et al.
Veröffentlicht: (2024)

Dual Conditioned Motion Diffusion for Pose-Based Video Anomaly Detection
von: Wang, Hongsong, et al.
Veröffentlicht: (2024)

Constructing a Real-World Benchmark for Early Wildfire Detection with the New PYRONEAR-2025 Dataset
von: Lostanlen, Mateo, et al.
Veröffentlicht: (2024)

EdgeVTP: Exploration of Latency-efficient Trajectory Prediction for Edge-based Embedded Vision Applications
von: Kim, Seungjin, et al.
Veröffentlicht: (2026)

WorldPose: A World Cup Dataset for Global 3D Human Pose Estimation
von: Jiang, Tianjian, et al.
Veröffentlicht: (2025)

RAD: A Comprehensive Dataset for Benchmarking the Robustness of Image Anomaly Detection
von: Cheng, Yuqi, et al.
Veröffentlicht: (2024)

Real-IAD MVN: A Multi-View Normal Vector Dataset and Benchmark for High-Fidelity Industrial Anomaly Detection
von: Zhu, Wenbing, et al.
Veröffentlicht: (2026)

Real-IAD D3: A Real-World 2D/Pseudo-3D/3D Dataset for Industrial Anomaly Detection
von: Zhu, Wenbing, et al.
Veröffentlicht: (2025)