Tag · 10 篇
异常检测
基于异常连通分量与意图推理的弱监督视频异常检测
Weakly Supervised Video Anomaly Detection with Anomaly-Connected Components and Intention Reasoning
把「异常连通分量」当作无需帧级标注的伪语义分组手段，配合意图感知区分相似正常/异常行为，可直接迁移到其他弱监督时序定位任务（如弱监督动作定位、视频篡改定位）中构造帧级伪标签。
小波驱动的姿态无关与稀疏视角下的3D异常检测
Wavelet-Driven 3D Anomaly Detection under Pose-Agnostic and Sparse-View
针对稀疏视角下3D异常检测，提出小波驱动的高斯建模与姿态估计方法，利用高频监督恢复几何细节、低频结构增强姿态初始化，为稀疏观测下的3D重建与定位提供可复用思路。
基于推理驱动的图像级监督异常检测与定位
Reasoning-Driven Anomaly Detection and Localization with Image-Level Supervision
利用MLLM自回归推理过程中的注意力响应生成像素级异常图，仅需图像级监督，为视觉异常检测提供无需密集标注的新范式。
RC-NF：面向机器人操作实时异常检测的机器人条件归一化流
RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation
把归一化流的概率密度当作实时 OOD 打分器，挂在 VLA 模型（如 Pi0）后面做即插即用的异常监控与回滚/重规划触发，为视觉研究者提供了一个可复用的『生成式密度估计做机器人异常检测』范式，以及一个含三类机器人异常的仿真基准。
PDD：面向医学异常检测的流形先验多样性蒸馏
PDD: Manifold-Prior Diverse Distillation for Medical Anomaly Detection
把双教师（VMamba 全局上下文 + wide-ResNet50 局部结构）先验统一到共享高维流形再蒸馏给双学生，并用多样性损失防表征坍缩；这套「流形匹配统一 + 双学生互补蒸馏」可直接迁移到工业/医学以外的无监督异常检测与多源特征融合场景。
无需伪造先验的伪造感知唇部表征学习
Learning Forgery-Aware Lip Representations Without Forgery Priors
提出仅用真实数据训练的伪造检测范式：用非对称对比目标把真实样本压紧、把潜在伪造推远，并用各向同性高斯正则约束真实表征空间，可直接迁移到其他「无伪造先验」的深度伪造检测与开放集异常识别任务。
基于异常解耦的大规模鲁棒增强集成聚类
Large-scale Robust Enhanced Ensemble Clustering via Outlier Decoupling
论文提出的异常解耦机制（将锚相似矩阵分解为干净成分与残差异常成分，并施加全局互相关惩罚与行级 l2,1 范数）可迁移到视觉任务中，用于处理特征表示中的异常值污染，例如在图像聚类、检索或自监督预训练中提升锚图或相似度矩阵的鲁棒性。
通过残差学习从查询样本中搜寻正常性以实现通用异常检测
Hunting Normality from Query Sample via Residual Learning for Generalist Anomaly Detection
将残差特征从「直接建模分布」改为「引导学习实例级正常性代理」，并用支持集特征动态聚合查询相关的正常性代理，这一思路可迁移到少样本缺陷检测、开放类别异常定位以及任何需要类不变表征的定位任务。
CHAL：因果引导的分层异常感知学习用于运动红外小目标检测
CHAL: Causal-guided Hierarchical Anomaly-aware Learning for Moving Infrared Small Target Detection
将目标检测转化为背景建模下的异常发现，利用时空神经场学习背景演化模式，并通过因果引导机制抑制背景混杂造成的虚假关联，为弱小目标检测提供了新思路。
BUSSARD：面向双射通用场景特定异常关系检测的归一化流
BUSSARD: Normalizing Flows for Bijective Universal Scene-Specific Anomalous Relationship Detection
把场景图里的物体-关系-物体三元组用语言模型嵌入后接归一化流做似然式异常检测，为视觉关系理解提供了一个可复用的『关系级异常打分』范式，可直接迁移到场景图生成的关系合理性校验或开放世界关系检测。