CUHK Avenue
PulseAugur coverage of CUHK Avenue — every cluster mentioning CUHK Avenue across labs, papers, and developer communities, ranked by signal.
-
新 AI 框架可实现 51 FPS 的实时视频异常检测
研究人员开发了一种新的两阶段框架，用于实时视频异常检测，该框架利用 YOLO 姿态估计和基于 CLIP 的语义评分。该方法在 NVIDIA Titan XP GPU 上实现了约 51 FPS 的吞吐量，与现有基线相比速度显著提升。该系统在各种数据集上表现出强大的性能，保持高 AUROC 值，同时无需光流或基于密度的评分模块。
-
新研究利用因果模型和改进的评估方法解决视频异常检测问题
研究人员正在探索视频异常检测的新方法，重点是提高效率和准确性。一篇论文介绍了一种严格因果流异常检测器，该检测器使用类似Mamba的状态空间模型，每帧更新时间恒定，在边缘硬件上实现了高吞吐量，但准确性低于非因果基线。另一项研究批判性地审查了弱监督视频异常检测的评估指标，发现常用的帧级指标通常反映视频级排名，而不是精确的时间定位。第三篇论文研究了视觉语言模型（VLM）在无训练异常检测中的应用，并强调了如何将VLM输出转换为异常分数会显著影…
-
研究发现AI监控基准在现实世界测试中失败
一项对AI监控系统的新审计显示，基准性能指标（特别是AUC分数）无法转化为实际部署能力。研究人员发现，在某个数据集和场景上训练的模型，当应用于不同数据集和场景时，其表现不比随机猜测好，AUC分数从平均0.704显著下降到0.499。这表明当前的基准高估了AI在监控中异常检测的可靠性，而表现最强的模型反而加剧了这个问题。
-
VigilFormer框架通过高效注意力增强视频异常检测
研究人员开发了VigilFormer，一种用于视频异常检测的新型框架，可在准确性和实时处理之间取得平衡。该系统利用可变形时空编码器来高效地关注相关视频片段，并利用因果异常分类器在没有帧级标签的情况下区分异常。此外，自适应置信度调度器在推理过程中动态跳过非关键帧，以进一步优化性能。