第 2 页
共 3 页，按发布时间倒序排列。
- 视频异常检测
光流记忆与擦帧补全精读：组合收益之外，哪些细节还没说清？
核对 Sensors 2023 光流重建与擦帧预测框架，拆解记忆、硬蒸馏和双判别器，重读主结果与逐步消融，并标出数值冲突、评分协议和未来上下文的复现风险。
-
视频异常检测COPRA精读：让视频生成自己的 LoRA，真的比固定微调更有效吗？
输入条件化低秩权重、GRPO与逐阶段评测：区分动态参数收益、后处理贡献和部署边界。
-
视频异常检测Cerberus 精读：97.2%不是准确率，151倍加速成立在哪里？
拆解规则归纳、运动门控与粗细级联，核对相对 AUC、复制正常帧实验及端到端召回，理解实时收益的条件。
- 视频异常检测
对象中心VAD精读：把YOLO输出变成异常检测的语义地图
从16格类别概率编码到SE/Hydra适配，分析对象特征何时帮助MIL、何时反而退化，并区分复现基线与文献基线。
- 视频异常检测
RelVid精读：多一个模块，为什么反而会降低异常检测表现？
从类别激活、局部注意力和重建辅助任务，拆解RelVid的协同收益、负向消融及跨域边界。
- 视频异常检测
HoloTrace 精读：把异常写成事件图，真的获得了因果推理吗？
核对边缘惯性推断、双向HMM、云端图更新与SVAD数据，区分事件关联先验、未来帧依赖和可验证的因果结论。
-
视频异常检测Flashback 精读：不在线调用大模型，实时异常检测还缺哪一环？
拆解Flashback的离线伪场景记忆、提示分离和异常缩放，核对编码器与消融贡献、实时预算、平滑因果性及零样本调参边界。
-
视频异常检测LAVIDA精读：无需真实异常，为什么仍不是无需监督？
基于LAVIDA v1拆解伪异常类别重标注、反向注意力压缩与多尺度语义投影，核对帧级及像素结果，区分目标域零样本、外部监督和实际复现缺口。
-
视频异常检测VAU-R1 精读：答对了，为什么解释反而可能变差？
拆解VAU-R1的GRPO奖励、任务迁移与标注链，逐表核对跨域定位收益、域内SFT反例和解释退化，区分答案正确、时间证据与真实因果理解。