English(EN) Short-Window Sliding Learning for Real-Time Violence Detection via LLM-based Auto-Labeling

LLM驱动的自动标注提升了闭路电视录像中实时暴力检测的性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-04 04:00

研究人员开发了一个名为短窗口滑动学习的新框架，用于利用闭路电视录像进行实时暴力检测。该方法将视频分割成短片段，并利用大型语言模型（LLM）进行自动标注，创建详细的数据集。该方法保留了每个片段内的时间连续性，能够准确识别快速的暴力行为。实验表明，在RWF-2000等基准数据集上准确率很高，并且在UCF-Crime的长视频上性能有所提高，表明其在智能监控方面的有效性。 AI

影响这项研究可能有助于开发更有效、更高效的AI驱动的公共安全监控系统。

排序理由学术论文，详细介绍了使用LLM进行暴力检测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 17 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了使用LLM进行暴力检测的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Seoik Jung, Taekyung Song, Yangro Lee, Sungjun Lee · 2026-09-04 04:00

基于LLM的自动标注用于实时暴力检测的短窗口滑动学习

arXiv:2511.10866v2 Announce Type: replace-cross Abstract: This paper proposes a Short-Window Sliding Learning framework for real-time violence detection in CCTV footages. Unlike conventional long-video training approaches, the proposed method divides videos into 1-2 second clips …

本文如何被排名

报道来源 [1]

基于LLM的自动标注用于实时暴力检测的短窗口滑动学习

相关实体

相关话题