#视频异常检测
共 27 篇文章。
-
视频异常检测MA-PDM精读：局部扩散改善了检测，为什么仍不能直接叫在线？
从六帧条件、位置记忆和图块去噪拆解MA-PDM，核对主结果与消融、补充材料中的小目标失败，以及公开代码未来分数平滑和评分权重差异，区分局部生成收益与在线部署证据。
-
视频异常检测MoCoDAD精读：正常动作不止一种未来，异常检测该比较哪一种？
重读ICCV 2023骨架扩散异常检测，区分多峰运动与多模态输入，核对候选最小误差、多人汇总、相对提升和未来帧使用。
-
视频异常检测STEP精读：正常姿态的能量，为什么先要换一个空间？
从PCA白化与多尺度能量读懂STEP，核对时间窗口消融、在线平滑落差和跨域限制，不把姿态评分速度当端到端部署速度。
-
视频异常检测知识引导VAD精读：检测提升，是否就等于因果预警？
精读知识语义引导与事件关系预测框架，拆解Wikidata原型、前景对齐和GRU辅助目标，核对消融与定位收益，并审视全局注意力、广播标签及预警证据的边界。
-
视频异常检测MOVAD 精读：异常检测不能只问“哪一帧”，还要问“多久报警”
从正常参考距离、累计报警和 APD 指标，重新理解在线异常检测；区分渐近阈值理论、少样本适配及离线 AUC 的证据边界。
-
视频异常检测实例对齐字幕精读：解释说对了，还要看它指的是谁
精读Instance-Aligned Captions的人工辅助标注、联合字幕分割指标与角色评测，核对多报、语义错配和受害者识别差距，区分空间可检验与真正可信的解释。
-
视频异常检测DeCoS精读：视频找到了异常，却真的听懂你的异常定义了吗？
用三个定义条件指标诊断异常检测捷径，解析零和读出与完整附录中的证据边界。
-
视频异常检测QVAD精读：让小模型多问两句，离可靠的边缘异常检测还有多远？
细读训练免费问答循环，核对停止条件、向量记忆、后处理与边缘部署证据。
- 视频异常检测
STPR-net 精读：预测之后再重建，真的更能区分异常吗？
解析多尺度空洞卷积、双向历史窗口和预测—重建组合，逐项核对 AUC、EER、消融及噪声证据，并指出非在线归一化边界。
- 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。
-
视频异常检测Parser-Free 精读：联邦检测之后，为什么不再解析大模型的回答？
精读联邦MIL与冻结VLM级联，核对Yes/No似然接口、AUC与AP差异、提示和时序后处理的影响，并区分片段因果、集中验证与端到端在线部署。
-
视频异常检测UR-DMU精读：双记忆提高了排序，为什么误报不一定更低？
拆解UR-DMU的双记忆、两种top-k和正常潜在分布，核对主结果、误报反例及官方代码中的PR积分和幅值损失差异，明确离线推理与部署边界。
-
视频异常检测STATE 精读：降低测试重建误差，为什么反而能发现异常？
拆解 STATE 的对象级时序重建与测试输入扰动，核对两数据集增益来源、外观与光流目标差异，指出未来帧、系统成本和缺失控制实验的证据边界。
-
视频异常检测Probe-VAD 精读：似然带来提升，为什么 PAVA 不改变排名？
精读 Probe-VAD 的冻结 VLM 序数似然接口，拆开解码与二元提问的收益，核对 PAVA 保均值、主结果及消融，并指出 AP/PR-AUC 口径和非因果窗口的复现边界。
-
视频异常检测YUTELA 精读：31 路摄像头的部署证据，不能替代准确率证明
精读 YUTELA 的多站点视频异常检测系统：拆解共享流水线、按相机重训和集中适应，核对吞吐、170 小时部署与告警延迟，区分运行闭环证据和尚未验证的检测准确率收益。
-
视频异常检测两阶段伪标签精读：定位收益从哪里来，证据又到哪里为止？
精读10月27日刊发的两阶段弱监督VAD论文，拆解CLIP、时序图建模与软标签精炼，核对AUC与定位mAP、消融及监督口径疑点。
-
视频异常检测XAVAD短评：解释了异常，还是解释了文本匹配？
围绕匿名化监控视频的解释边界，核对XAVAD的图块聚焦机制、定位消融和指标协议，区分可视化线索与检测器依据，提出误报告警的验证问题。
-
视频异常检测MoG-VLM比较精读：把“多想一次”与“多看几帧”分开
以MoG-VLM为中心，对照LAVAD和Unified-reasoning的计算投入位置，结合组件与补充采样实验，分析观察、推理和评分的贡献，区分作者局限、预算匹配与在线响应条件。
-
视频异常检测MS2CAST：预测得更好，为什么未必检测得更好？
结合预测基线、SwinLSTM与VMRNN原始工作，沿MS2CAST完整流程分析模块来源、配置取舍、噪声证据及效率边界，区分预测质量、异常检测效果与在线报警条件。