Tag · 5 篇
视频异常检测
少有人走的路：弱监督视频异常检测中的片段探索
The Road Less Seen: Segment Exploration for Weakly Supervised Video Anomaly Detection
针对弱监督视频异常检测中AUROC高但低FPR下召回率低的问题，提出结合时序聚类与不确定性采样的双重探索策略，可复用于其他弱监督时序定位任务中缓解正负样本极度不平衡。
无需真实异常：多模态大语言模型赋能的零样本视频异常检测
No Need For Real Anomaly: MLLM Empowered Zero-Shot Video Anomaly Detection
利用多模态大语言模型和伪异常采样器实现零样本视频异常检测，为开放世界场景下的异常理解提供了无需真实异常数据的训练范式；基于反向注意力的词元压缩方法可复用于降低时空稀疏模式的计算开销。
从噪声监督中学习：面向弱监督视频异常检测的去噪-纠偏框架
Learning from Noisy Supervision: A Denoising-Debiasing Framework for Weakly Supervised Video Anomaly Detection
把「高训练损失的样本即噪声」这一观察做成动态丢弃率，再用视觉语言模型对被丢弃片段做二次判别，可作为一种即插即用的去噪-纠偏模块迁移到任何基于 MIL 的视频时序定位任务（如弱监督动作定位、视频级标签的时序 grounding）。
Fine-VAD：通过渐进式跨粒度学习实现细粒度视频异常检测
Fine-VAD: Towards Fine-Grained Video Anomaly Detection via Progressive Cross-Granularity Learning
把粗粒度异常检测与细粒度类别标签通过渐进式跨粒度对齐统一到一个框架里，可直接迁移到视频动作细粒度识别、时序事件分类等需要多级监督信号的任务。
Alert-CLIP：面向视频异常检测的异常感知潜在增强 CLIP 表征微调
Alert-CLIP: Abnormality-aware Latent-Enhanced Representation Tuning of CLIP for Video Anomaly Detection
针对 CLIP 文本嵌入空间中正常/异常描述纠缠的问题，提出视频-标签、区域-文本、区域-语义三级对齐微调策略，可直接迁移到任何需要细粒度异常感知的 CLIP 下游任务（如工业缺陷、医学异常筛查）。