Microsoft Active Directory
PulseAugur coverage of Microsoft Active Directory — every cluster mentioning Microsoft Active Directory across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新框架通过空间定位增强视频异常检测
研究人员开发了SST-WSVADL，一个旨在通过关注空间定位而非仅仅时间线索来改进弱监督视频异常检测（WSVAD）的新框架。该方法旨在减轻模型可能错误地将异常与背景上下文关联起来的伦理担忧。该框架使用动态稀疏化来集中于相关的时空区域，抑制不相关的背景信息。研究团队还发布了UCF-Crime和XD-Violence等数据集的帧级空间注释和评估协议，以便对WSVAD预测中的空间偏见进行审计。
-
AgenticVAU框架采用多智能体方法进行视频异常理解
研究人员推出AgenticVAU，一个新颖的、用于视频异常理解的多智能体框架。该系统首先通过探索潜在异常，然后通过有针对性的观察进行验证。它采用了四个专门的智能体，分别负责规则构建、搜索规划、视频观察和决策制定，并通过共享的证据内存进行通信。在VAU-Bench数据集上的实验表明，AgenticVAU的表现优于现有的零样本和基于强化学习的方法。
-
新研究解决视频异常检测中的定义盲区问题
两篇新研究论文解决了开放世界视频异常检测的挑战，在这种情况下，系统必须识别用户定义的异常事件。第一篇论文《重新思考开放世界视频异常检测》提出了“定义盲区”的概念，即当前模型在一般异常检测方面表现良好，但在响应特定异常定义时却未能准确响应。它提出了新的评估指标和对比评分规则来解决这个问题。第二篇论文《上下文结构化视频异常检测》提出了一种名为 CSI-VAD 的无需训练的方法，该方法将视频分解为环境、对象和时间上下文，以在不需要预定义文本…
-
新框架使用边界框轨迹进行视频异常检测
研究人员开发了 TrajVAD，一个利用边界框轨迹进行视频异常检测的新框架。该方法使用归一化流对正常的运动模式进行建模，性能优于现有的基于姿态的方法。一个结合了姿态信息的扩展版本进一步提高了在 ShanghaiTech 等关键数据集上的性能。