视觉语言模型 / CVPR2026
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)。
视频异常检测跨模态对齐提示学习