Probe-VAD

新框架利用视觉语言模型进行视频异常检测

研究人员推出了一种新颖的无训练视频异常检测框架 Probe-VAD，该框架利用了视觉语言模型（VLMs）。该方法通过查询十个有序的严重程度阈值并提取二元连续似然度，直接从冻结的 VLM 中探测序数严重程度偏好。然后，这些似然度被用来构建累积严重程度剖面图，并将其转换为连续的异常分数。Probe-VAD 旨在克服现有方法将视觉信息压缩成文本或强制进行数值生成的局限性，从而在无需特定任务训练的情况下，提供一种更细致、更有效的方法来对异常进行排序。