XD-Violence
PulseAugur coverage of XD-Violence — every cluster mentioning XD-Violence across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新AI框架增强多标签视频安全检测
研究人员开发了一个名为自适应Tversky策略优化（ATPO）的新框架，以改进多标签视频安全检测。该方法使用带有自适应Tversky奖励（ATR）的强化学习框架，动态调整误报和漏报的惩罚。这允许在精确率和召回率之间进行可控的权衡，解决了当前系统通常使用二元分类和静态训练目标的局限性。实验表明，ATPO在SafeWatch-Bench数据集上提高了Jaccard指数，在多标签性能方面取得了显著改进。
-
AI模型利用事件前行为线索预测暴力
研究人员开发了一种多模态学习方法，通过分析事件前的行为线索来预测暴力。该研究利用了XD-Violence数据集，侧重于从视频信号中识别短期风险，不包括实际事件。通过结合外观、音频和身体运动特征，该系统在识别事件前风险升高方面达到了91.21%的准确率。
-
研究质疑暴力检测基准，发现伪影影响
一篇新的研究论文质疑了弱监督暴力检测中交互表示的有效性，发现粗略的几何表示效果与更复杂的人体姿态方法相当甚至更好。该研究在XD-Violence和UCF-Crime数据集上进行，表明当前的基准可能受到标题卡和水印等伪影的影响，而不是实际事件证据。研究人员提出了一种使用事件前帧的诊断方法来识别这些来源伪影，这些伪影会掩盖真实的表示差异。
-
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…
-
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。
-
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…
-
新的PULS系统使用语义世界模型管道预测视频异常
研究人员开发了PULS（预测统一潜在空间），一种用于连续视频异常检测的新型管道，它超越了被动响应方法。PULS由KSD桥组成，该桥使用Qwen3-VL-Embedding-2B将V-JEPA 2的物理张量转换为文本对齐的超球体，以及一个预测状态预测器（ASP）。这种方法在UCF-Crime和XD-Violence等数据集上取得了出色的性能，证明了潜在清晰度假说，即预期的未来表征比当前表征在语义上更易分离。ASP模块进一步完善了这些预期…
-
MemoVAD 通过 VLM 实现高效的边缘视频异常检测
研究人员开发了 MemoVAD，一个用于边缘设备上资源高效视频异常检测的新框架。该系统结合了边缘和云处理，并采用独特的感知不确定性的门控策略，仅将高不确定性的片段发送到基于云的视觉语言模型（VLM）。动态语义内存存储 VLM 验证的原型，使边缘模型能够逐步学习更丰富的语义，并显著降低通信开销，同时保持高性能。
-
新数据集ExtrAnom增强女性安全视频异常检测
研究人员推出了ExtrAnom数据集，这是一个新的多模态基准，旨在提高专门针对女性安全的视频异常检测（VAD）能力。该数据集包含1001个视频，其中501个被标记为异常，涵盖了跟踪、抢劫和骚扰等犯罪行为。ExtrAnom包含低光照和低分辨率等挑战性条件，并且每个视频都配有人工生成和LLM生成的文本描述，以辅助跨模态验证。
-
新框架使用冻结的VLM进行无训练视频异常检测
研究人员开发了CoReVAD，一个用于在视频中检测异常的新框架，无需进行特定任务的训练。该方法利用单个冻结的视觉语言模型（VLM）来生成异常分数和描述性解释。为了完善这些输出，CoReVAD整合了一个用于视觉-文本对齐的局部响应清理模块，以及一个用于时间上下文的基于softmax的带有高斯平滑的精炼模块。
-
新架构提升音频语言模型对显著声音的注意力
研究人员开发了NAACA，这是一种旨在改进音频语言模型处理长音频录音方式的新型架构。NAACA采用无训练方法，并结合振荡工作记忆（OWM）来过滤显著的听觉事件，减少不必要的处理。该方法在暴力检测等任务上显著提高了性能，在XD-Violence数据集上的平均精度从53.50%提高到70.60%。
-
LLMs enhance video anomaly detection with reasoning and spatial grounding
研究人员开发了VANGUARD，一个将视频异常检测与多模态大型语言模型相结合的新框架。该系统不仅能识别异常，还能提供可解释的思维链推理和异常事件的精确空间定位。VANGUARD采用分阶段训练方法和师生标注流程，在UCF-Crime等基准测试中取得了优异的性能，并展示了跨领域泛化能力。