DOTTORATO NAZIONALE IN INTELLIGENZA ARTIFICIALE

Titolo della tesi: Video Anomaly Detection: Ensuring the Safety of Human Actions and Street Scenes

L'Intelligenza Artificiale, in particolare la Computer Vision, possiede un immenso potenziale per migliorare la sicurezza umana e promuovere la transizione digitale della società. Questa tesi affronta le sfide dello sviluppo di un'IA robusta ed efficiente per compiti complessi e centrati sull'uomo, che spaziano dal monitoraggio del comportamento alle scene di guida. In particolare, vengono analizzati il task di Video Anomaly Detection e le sue applicazioni nel monitoraggio delle azioni umane, nella stima del volume di una folla e nel rilevamento di oggetti anomali in scene stradali. Per il monitoraggio del comportamento umano, vengono proposti due metodi innovativi. COSKAD dimostra l'impatto della geometria dello spazio latente sull'apprendimento delle rappresentazioni delle azioni umane attese, provando che vettori a bassa dimensionalità possono codificare efficacemente complesse dipendenze spazio-temporali. MoCoDAD sviluppa ulteriormente questo concetto stimando la distribuzione latente del movimento umano, sfruttando la variabilità intrinseca di un'azione per distinguere in modo robusto il comportamento normale da quello anomalo. Passando dalle dinamiche individuali a quelle di gruppo, STEERER-V introduce un metodo per stimare con precisione l'occupazione dello spazio da parte di una folla e, per approssimazione, il suo peso, direttamente da immagini RGB 2D. Questo approccio evita passaggi intermedi computazionalmente costosi ed è accompagnato da ANTHROPOS-V, un nuovo benchmark per stimolare ulteriore ricerca in questo settore. Infine, per migliorare l'affidabilità dei sistemi di guida autonoma, CMS-OoD presenta una tecnica di cross-modal steering. Essa adatta efficientemente un Vision-Language Model per condizionare un modello di segmentazione semantica, migliorando significativamente la capacità di rilevamento di oggetti anomali. In più, questo metodo genera spiegazioni testuali pertinenti al contesto della scena osservata, promuovendo un'interazione uomo-veicolo più sicura e interpretabile. In definitiva, questi contributi dimostrano che attraverso prior geometrici, assunzioni distribuzionali o condizionamento cross-modal, è possibile sviluppare sistemi di IA più robusti, efficienti e meglio allineati con le esigenze umane in ambienti complessi.