TAU-Bench: From Anomaly Instance Tracking to Fine-Grained Video Anomaly Understanding
该研究引入TAU-Bench这一以跟踪为核心的基准，用于联合评估异常实例跟踪与细粒度视频异常理解，发现现有视觉-语言模型存在语义推理与视觉接地的差距，为构建更可靠的视频异常理解系统提供了关键评估方向。
2026-08-07 cs.CV
HeadHunt-VAD: Hunting Robust Anomaly-Sensitive Heads in MLLM for Tuning-Free Video Anomaly Detection
HeadHunt-VAD通过直接在冻结的MLLM中寻找鲁棒的异常敏感头部，实现高效的无调优视频异常检测。
2025-12-23 cs.CV
Vision-Language Models Assisted Unsupervised Video Anomaly Detection
Beihang University（北京航空航天大学）
提出VLAVAD方法，结合大语言模型推理能力、选择语义空间的SPA模块和检测时间不一致性的S3M模块，将高维视觉特征映射为低维语义特征以增强可解释性，在ShanghaiTech数据集上实现了SOTA的无监督视频异常检测。
2024-09-26 cs.CV
LATERN: Test-Time Context-Aware Explainable Video Anomaly Detection
The University of Iowa（爱荷华大学）
本文提出LATERN框架，通过上下文感知模块和递归证据聚合模块提升视频异常检测的准确性和解释一致性。
2026-05-14 cs.CV
Rethinking Open-World Video Anomaly Detection: Diagnosing Definition Blindness
研究开放世界视频异常检测中定义盲目性问题，分解动态定义评估，引入三个定义条件评估指标及DeCoS，指出OWVAD应按定义条件异常评分评估，改进了多个基线模型的定义跟随能力。
2026-09-29 cs.CV
NOVA: Normal-Side Modeling for Training-Free Zero-Shot Video Anomaly Detection
National Yang Ming Chiao Tung University（国立阳明交通大学）
NOVA提出免训练零样本视频异常检测框架，通过常态感知提示构建和视觉常态锚点强化常态侧，在UCF-Crime和XD-Violence上取得最优性能。
2026-09-09 cs.CV
COPRA: Conditional Parameter Adaptation with Reinforcement Learning for Video Anomaly Detection
Auburn University（奥本大学）；Tencent Hunyuan（腾讯文元）
COPRA通过生成输入特定的参数更新，动态适应冻结的VLM，提升视频异常检测的适应性和泛化能力，同时拓展到多选视频问答和密集标注等任务。
2026-05-14 cs.CV
Harnessing Streaming Video in the Wild
Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院）；JD.COM（京东）
提出Streaming Harness系统，通过Streaming-Train-248K数据集和训练目标，使视觉语言模型具备主动交互、长期记忆和实时处理能力，并构建Streaming-Eval基准评估流式视频理解。
2026-06-07 cs.CL cs.CV
RoboCurate: Harnessing Diversity with Action-Verified Synthetic Data for Robot Learning
RoboCurate通过动作验证的神经轨迹和图像编辑技术，提升机器人学习中合成数据的质量和多样性，显著提高任务成功率。
2026-11-06 cs.AI cs.CV cs.RO
Knowledge-Guided Textual Reasoning for Explainable Video Anomaly Detection via LLMs
Hari Lee
针对弱监督视频异常检测，提出TbVAD框架，通过视觉语言模型生成细粒度字幕并构建含动作等四语义槽的结构化知识，借助大语言模型推理实现文本域内异常检测与解释，在UCF-Crime和XD-Violence上验证有效性。
2025-10-30 cs.AI cs.CV
No Need For Real Anomaly: MLLM Empowered Zero-Shot Video Anomaly Detection
Beijing University of Posts and Telecommunications（北京邮电大学）；Northwestern Polytechnical University（西北工业大学）
本文提出LAVIDA框架，利用多模态大语言模型和异常暴露采样器，解决视频异常检测中数据稀少和语义理解不足的问题，实现零样本下的帧级和像素级异常检测最优性能。
2026-03-23 cs.AI cs.CV
PrismVAU: Prompt-Refined Inference System for Multimodal Video Anomaly Understanding
Universitat de Barcelona（巴塞罗那大学）；Computer Vision Center（计算机视觉中心）；Aalborg University（奥胡斯大学）；Milestone Systems（Milestone系统）
PrismVAU通过轻量级系统和自动提示工程实现高效的多模态视频异常理解，无需复杂标注和外部模块。
2026-01-07 cs.AI cs.CV
Weakly Supervised Video Anomaly Detection and Localization with Spatio-Temporal Prompts
Northwestern Polytechnical University（西北工业大学）；Singapore Management University（新加坡管理大学）；Xidian University（西安电子科技大学）
针对弱监督视频异常检测易受背景干扰、缺乏空间可解释性的问题，提出基于预训练VLM的STPrompt双流时空提示方法，无需精细标注即可在三个基准上实现WSVADL任务的SOTA性能。
2024-08-13 cs.AI cs.CV
Harnessing Object Grounding for Time-Sensitive Video Understanding
Intel（英特尔公司）
本文提出 GO-Tokenizer 以提升视频大型语言模型的时间敏感视频理解能力，通过实时编码紧凑的物体信息，提高模型性能并减少噪声影响。
2025-12-08 cs.CV
Harnessing Meta-Learning for Improving Full-Frame Video Stabilization
Hanyang University（汉阳大学）
本文提出利用测试时适配与元学习技术，通过单步微调将像素级视频稳定模型适配到单个输入视频，从而在真实场景中显著提升多种全帧视频稳定模型的稳定性与质量。
2024-04-09 cs.CV
Harnessing Synthetic Preference Data for Enhancing Temporal Understanding of Video-LLMs
Arizona State University（亚利桑那州立大学）；Indian Institute of Technology, Kharagpur（印度理工学院，克拉格浦）
针对视频大语言模型细粒度时序理解能力不足的问题，本研究提出TimeWarp方法构建合成偏好数据集，微调后模型在七个时序理解基准上实现绝对性能提升。
2025-10-04 cs.CV
TokensGen: Harnessing Condensed Tokens for Long Video Generation
S-Lab, Nanyang Technological University（南洋理工大学S实验室）；SenseTime Research（商汤科技研究院）；Wangxuan Institute of Computer Technology, Peking University（北京大学王轩计算机技术研究所）
本文提出TokensGen两阶段框架，通过压缩令牌将长视频生成分解为片段内语义控制、长期一致性控制和片段间平滑过渡三个任务，结合To2V、T2To和自适应FIFO-Diffusion策略，在保持低计算开销的同时显著提升长视频的时间与内容一致性。
2025-07-21 cs.CV
Jointly Harnessing Prior Structures and Temporal Consistency for Sign Language Video Generation
Zhejiang University（浙江大学）；National University of Singapore（新加坡国立大学）；DAMO Academy, Alibaba Group（阿里巴巴集团达摩院）
手语是不同能力的人表达情感的窗口。然而，人们在短时间内学习手语仍然具有挑战性。为了解决这个现实世界的挑战，在这项工作中，我们研究的运动传输系统，它可以将用户的照片转换为特定单词的手语视频。具体地，输出视频的外观内容来自所提供的用户图像，而视频的运动是从指定的教程视频中提取的。我们观察到两个主要的限制，采用国家的最先进的运动转移方法，以签署语言生成：（1）现有的运动转移工程忽略了先验的几何知识的人体。(2)以往的图像动画方法在训练阶段仅以图像对作为输入，不能充分利用视频中的时间信息。针对上述局限性，本文提出了结构感知时间一致性网络（STCNet），用于手语视频生成中对人的先验结构和时间一致性进行联合优化。本文的主要贡献有两点。(1)我们利用细粒度的骨架检测器来提供身体关键点的先验知识。通过这种方式，我们保证了关键点的移动在一个有效的范围内，使模型变得更加可解释和鲁棒。(2)我们引入两个周期一致性损失，即，短期周期丢失和长期周期丢失，这是为了确保所生成的视频的连续性而进行的。我们以端到端的方式优化了两个损耗和关键点检测器网络。
2022-07-08 cs.CV
Harnessing EHRs for Diffusion-based Anomaly Detection on Chest X-rays
Handong Global University（Handong Global大学）；University of California, Santa Cruz（加州大学圣克鲁兹分校）
提出Diff3M，一种整合胸部X射线与电子健康记录的多模态扩散框架，通过交叉注意力模块和静态掩蔽策略提升无监督异常检测性能，在CheXpert和MIMIC-CXR/IV上达到最先进水平。
2025-05-22 cs.CV cs.LG
Harnessing Intrinsic Subject-Aware Attention for Controllable Multi-Subject Video Generation
Alibaba Group（阿里巴巴集团）；Peking University（北京大学）
针对多主体视频生成中的保真度不可控和语义漂移问题，提出DIAL框架，利用扩散变换器内在注意力图实现可控生成，在OpenS2V-Eval上显著提升身份一致性。
2026-09-11 cs.CV
DynVideo-E: Harnessing Dynamic NeRF for Large-Scale Motion- and View-Change Human-Centric Video Editing
National University of Singapore（新加坡国立大学）；Tencent PCG（腾讯平台与内容事业群）
本文提出 DynVideo-E，利用动态 NeRF 与多视角多姿态 SDS 等设计实现大规模运动及视角变化下的以人为中心视频编辑，并在人类偏好上大幅超越现有方法。
2023-12-07 cs.CV
Denoise to Track: Harnessing Video Diffusion Priors for Robust Correspondence
Nanjing University（南京大学）；Zhejiang University（浙江大学）
本文提出HeFT框架，利用预训练视频扩散模型的视觉先验进行零样本点跟踪，通过分析内部表示揭示注意力头在匹配、语义理解和位置编码中的不同专长，并提出基于头和频率的特征选择策略提升跟踪性能。
2026-03-23 cs.CV
Harnessing Meta-Learning for Controllable Full-Frame Video Stabilization
School of Computing and Artificial Intelligence（计算与人工智能学院）；Southwest Jiaotong University（西南交通大学）；Department of Computer Science（计算机科学系）；Hanynag University（汉阳大学）；School of Computing and Augmented Intelligence（计算与增强智能学院）；Arizona State University（亚利桑那州立大学）
本文提出一种基于元学习的测试时快速适应方法，结合急动度定位与针对性适应策略，提升全帧视频稳定模型的稳定性与视觉质量，超越SOTA并支持用户控制。
2025-08-26 cs.CV
ChronoTailor: Harnessing Attention Guidance for Fine-Grained Video Virtual Try-On
Communication University of China（中国传媒大学）
本文提出基于扩散的 ChronoTailor 框架，通过区域感知空间引导、时间特征融合、多尺度服装特征及服装-姿态对齐，实现时空连续且细节丰富的视频虚拟试穿，并发布 StyleDress 数据集。
2025-06-06 cs.CV
OrbitNVS: Harnessing Video Diffusion Priors for Novel View Synthesis
South China University of Technology（华南理工大学）；King's College London（伦敦大学国王学院）；Agentic Labs, XGTech（Agentic实验室，XGTech）；Pazhou Laboratory（Pazhou实验室）
OrbitNVS将新视角合成重新定义为轨道视频生成任务，通过定制模型设计和训练策略，利用预训练视频生成模型的丰富视觉先验，提升几何和外观一致性，实验表明在GSO和OmniObject3D基准上表现优异。
2026-03-20 cs.CV
DiffSLVA: Harnessing Diffusion Models for Sign Language Video Anonymization
Rutgers University（罗格斯大学）；Boston University（波士顿大学）
本文提出 DiffSLVA，利用预训练扩散模型和 ControlNet 零样本文本引导实现手语视频匿名化，规避姿态估计并保留语言内容，首次适用于真实场景。
2023-11-27 cs.CV
Weakly Supervised Video Anomaly Detection via Center-guided Discriminative Learning
Jiangxi University of Finance and Economics（江西财经大学）
由于视频内容和时长的多样性，监控视频中的异常检测是一项具有挑战性的任务。在本文中，我们认为视频异常检测作为一个回归问题的异常分数的视频剪辑在弱监督。因此，我们提出了一个异常检测框架，称为异常回归网络（AR-Net），它只需要在训练阶段的视频级标签。此外，为了学习异常检测的判别特征，我们为所提出的AR网络设计了动态多实例学习损失和中心损失。前者用于扩大异常实例与正常实例之间的类间距离，后者用于缩小正常实例的类内距离。全面的实验是在一个具有挑战性的基准上进行的：上海理工大学。我们的方法产生了一个新的国家的最先进的结果，视频异常检测上海科技数据集
2021-04-15 cs.CV
Video Anomaly Detection for Smart Surveillance
University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）；Information Technology University（信息技术大学）
在现代智能视频监控系统中，通过计算机视觉分析实现的自动异常检测起着举足轻重的作用，不仅可以显著提高监控效率，还可以减轻现场监控的负担。视频中的异常被广泛定义为不寻常的事件或活动，并表示不规则的行为。异常检测的目标是在时间或空间上定位视频序列中的异常事件。时间定位（即，指示视频中异常事件的开始帧和结束帧）被称为帧级检测。更具有挑战性的空间定位意味着识别每个异常帧内对应于异常事件的像素。此设置通常称为像素级检测。本文对视频异常检测的研究进展进行了简要的综述，并对未来的研究方向进行了展望。
2020-04-11 cs.CV
Anomaly Crossing: New Horizons for Video Anomaly Detection as Cross-domain Few-shot Learning
Corning Inc.（康宁公司）；University of Rochester（罗切斯特大学）
视频异常检测的目的是识别视频中发生的异常事件。由于异常事件相对罕见，因此收集平衡数据集并训练二元分类器来解决任务是不可行的。因此，大多数以前的方法只使用无监督或半监督方法从正常视频中学习。显然，它们在捕获和利用有区别的异常特征方面受到限制，这导致异常检测性能受损。在本文中，为了解决这个问题，我们提出了一个新的学习范式，充分利用正常和异常的视频视频异常检测。特别是，我们制定了一个新的学习任务：跨域的Few-Shot异常检测，它可以转移从源域中的大量视频中学习到的知识，以帮助解决目标域中的Few-Shot异常检测。具体地说，我们利用目标正常视频的自我监督训练，以减少域差距，并设计了一个Meta上下文感知模块，探索视频上下文的事件在Few-Shot设置。我们的实验表明，我们的方法在DoTA和UCF-Crime数据集上的性能明显优于基线方法，新任务有助于为异常检测提供更实用的训练范例。
2022-11-23 cs.CV
HARIVO: Harnessing Text-to-Image Models for Video Generation
Yonsei University（延世大学）；Adobe（奥多比公司）；GivernyAI（吉弗尼AI公司）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Portland State University（波特兰州立大学）
本文提出HARIVO方法，通过在冻结的T2I模型上引入映射网络、逐帧token及新型损失函数，实现高质量、时间一致的视频生成，并支持与ControlNet等模型无缝集成。
2024-10-10 cs.AI cs.CV
Anomaly Detection in Video Sequences: A Benchmark and Computational Model
Jiangxi University of Finance and Economics（江西财经大学）
异常检测已经吸引了相当多的搜索关注。然而，现有的异常检测数据库遇到两个主要问题。首先，它们的规模有限。其次，训练集只包含视频级标签，指示在整个视频期间存在异常事件，而缺乏精确持续时间的注释。为了解决这些问题，我们贡献了一个新的大规模异常检测（LAD）数据库作为基准的视频序列中的异常检测，这是在两个方面的特点。1)它包含2000个视频序列，包括正常和异常视频片段，包含碰撞，火灾，暴力等14个异常类别，场景种类繁多，是迄今为止最大的异常分析数据库。2)它提供了注释数据，包括视频级标签（异常/正常视频，异常类型）和帧级标签（异常/正常视频帧），以促进异常检测。利用LAD数据库的上述优点，我们进一步将异常检测作为一个完全监督学习问题，并提出了一个多任务深度神经网络来解决它。我们首先通过使用膨胀3D卷积（I3 D）网络获得局部时空上下文特征。然后，我们构建了一个循环卷积神经网络喂局部时空上下文特征提取时空上下文特征。利用全局时空背景特征，可以通过多任务神经网络同时计算异常类型和评分。实验结果表明，该方法优于国家的最先进的异常检测方法在我们的数据库和其他公共数据库的异常检测。代码可在https://github.com/wanboyang/anomaly_detection_LAD2000上获得。
2021-06-16 cs.CV
Modeling Representation of Videos for Anomaly Detection using Deep Learning: A Review
Universiti Tunku Abdul Rahman（东姑阿都拉曼大学）
本文综述了当前基于视频的异常检测的研究进展。我们解决视频异常检测的最基本的方面，即视频特征表示。大量的研究工作已经做了正确的表示，以执行视频流中的异常检测准确地与可接受的虚警率。然而，这是非常具有挑战性的，由于环境和人体运动的大的变化，以及由于视频数据的巨大维度的高空间-时间复杂度。深度学习算法的弱监督性质可以帮助从视频数据本身学习表示，而不是手动为特定场景设计正确的功能。在本文中，我们想回顾一下使用深度学习技术对视频表示进行建模的现有方法，用于异常检测和动作识别任务。
2015-05-04 cs.CV
MagicTryOn: Harnessing Diffusion Transformer for Garment-Preserving Video Virtual Try-on
本文提出基于 diffusion-transformer 的 MagicTryOn 框架，通过服装线索解耦、服装感知时空 RoPE、掩码感知损失和四步蒸馏，实现高保真、稳定且实时的视频虚拟试穿。
2025-09-27 cs.CV
Global Information Guided Video Anomaly Detection
Nanjing University of Science and Technology（南京理工大学）
由于视频异常的复杂性以及缺乏劳动密集型的时间注释，视频异常检测（VAD）目前是一项具有挑战性的任务。在本文中，我们提出了一个端到端的全球信息引导（GIG）异常检测框架，用于使用视频级注释（即，弱标签）。我们建议首先挖掘全球模式的线索，利用弱标签的GIG模块。然后构建空间推理模块，利用全局线索向量度量空间域向量间的相关性，选择相关性最高的特征向量进行时间异常检测。CityScene挑战赛的实验结果证明了该模型的有效性。
2021-04-14 cs.CV
DUAL-VAD: Dual Benchmarks and Anomaly-Focused Sampling for Video Anomaly Detection
AI/Data Team PIA-SPACE Inc.（AI/数据团队 PIA-SPACE公司）
本文提出基于softmax的异常聚焦帧分配策略并构建图像与视频双重互补基准，在UCF-Crime上验证了其相比均匀和随机采样的显著优势。
2025-09-16 cs.CV
Leveraging Trajectory Prediction for Pedestrian Video Anomaly Detection
University of Michigan（密歇根大学）
视频异常检测是视觉领域的一个核心问题。从视频数据中正确检测和识别行人的异常行为将使安全关键型应用成为可能，如监控、活动监控和人机交互。在本文中，我们建议利用轨迹定位和预测的无监督行人异常事件检测。不同于以前的基于重建的方法，我们提出的框架依赖于正常和异常行人轨迹的预测误差来检测空间和时间上的异常。我们在不同时间尺度的真实世界基准数据集上进行了实验，结果表明，我们提出的基于概率预测的异常检测管道在识别视频中行人的异常活动方面是有效和高效的。代码将在https://github.com/akanuasiegbu/Leveraging-Trajectory-Prediction-for-Pedestrian-Video-Anomaly-Detection上提供。
2022-07-05 cs.CV
When, Where, and What? A New Dataset for Anomaly Detection in Driving Videos
University of Michigan（密歇根大学）；Indiana University（印第安纳大学）；Amazon Rekognition（亚马逊Rekognition）
视频异常检测（VAD）已经被广泛研究。然而，对以自我为中心的动态场景的交通视频的研究缺乏大规模的基准数据集以及有效的评价指标。本文提出了一种流量异常检测与\textit{when-where-what}管道检测，定位和识别异常事件的自我中心的视频。我们引入了一个名为交通异常检测（DoTA）的新数据集，其中包含4，677个具有时间，空间和分类注释的视频。提出了一种新的时空曲线下面积（STAUC）评估指标，并与DoTA一起使用。实验结果表明，STAUC是一种有效的VAD度量方法。据我们所知，DoTA是迄今为止最大的流量异常数据集，也是第一个支持跨时间-地点-内容视角的流量异常研究。我们的代码和数据集可以在https://github.com/MoonBlvd/Detection-of-Traffic-Anomaly上找到
2020-04-06 cs.CV
Anomaly Detection Based on Deep Learning Using Video for Prevention of Industrial Accidents
The Course of Precision Engineering, School of Science and Engineering, Chuo University（中央大学理工学部精密工学科）；Chuo University（中央大学）；Prima Meat Packers, Ltd.（プリマハム株式会社（普瑞玛肉制品包装有限公司））
提出了一种利用机器学习技术进行工业事故预防的异常检测方法。
2020-05-28 cs.CV
Self-Supervised Video Forensics by Audio-Visual Anomaly Detection
University of Michigan（密歇根大学）
被操纵的视频通常在其视觉和音频信号之间包含微妙的不一致。我们提出了一种基于异常检测的视频取证方法，可以识别这些不一致，并且可以单独使用真实的未标记数据进行训练。我们训练一个自回归模型来生成视听特征序列，使用特征集来捕获视频帧和声音之间的时间同步。在测试时，我们标记模型分配低概率的视频。尽管完全在真实视频上训练，我们的模型在检测操纵语音视频的任务上获得了很好的性能。项目网址：https://cfeng16.github.io/audio-visual-forensics
2023-03-27 cs.CV
ADNet: Temporal Anomaly Detection in Surveillance Videos
Hacettepe University（哈塞特佩大学）；Havelsan（哈维尔桑公司）
监控视频中的异常检测是计算机视觉的一个重要研究课题。在本文中，我们提出了ADNet，一个异常检测网络，它利用时间卷积来定位视频中的异常。该模型通过接受由固定数量的视频剪辑组成的连续窗口在线工作。从窗口中的视频剪辑中提取的特征被馈送到ADNet，从而可以有效地定位视频中的异常。我们提出了AD损失函数来提高ADNet的异常段检测性能。此外，我们建议使用F1@k度量进行时间异常检测。F1@k是比AUC更好的评估指标，因为它不会惩罚时间段中的微小偏移，也不会惩罚短的假阳性时间段预测。此外，我们扩展UCF犯罪数据集，增加了两个异常类，并为所有类提供时间异常注释。最后，我们在扩展的UCF犯罪数据集上彻底评估了我们的模型。ADNet在F1@k度量方面产生了有希望的结果。数据集扩展和代码将在发布时公开提供
2021-04-14 cs.CV
MULDE: Multiscale Log-Density Estimation via Denoising Score Matching for Video Anomaly Detection
Graz University of Technology（格拉茨工业大学）
提出一种基于去噪分数匹配的多尺度对数密度估计方法，通过神经网络对视频特征分布建模并利用多噪声尺度结合高斯混合模型进行异常检测，在五个基准上达到最先进性能。
2024-03-21 cs.CV
Weakly Supervised Video Anomaly Detection with Anomaly-Connected Components and Intention Reasoning
School of Computer Science and Technology, Tongji University, Shanghai, China（计算机科学与技术学院，同济大学，上海，中国）
本文提出LAS-VAD框架，通过异常连接组件和意图推理机制，提升弱监督视频异常检测的性能。
2026-02-28 cs.CV
Cross Pseudo Labeling For Weakly Supervised Video Anomaly Detection
本文提出CPL-VAD框架，通过跨伪标签实现视频异常检测与类别分类的双重提升，实验表明其在异常检测和类别识别上达到最优性能。
2026-03-13 cs.CV
Overlooked Video Classification in Weakly Supervised Video Anomaly Detection
LinkSprite Technologies（凌思泰克科技）；Jovision-Deepcam Research（中维世纪-深聪智能研究院）
本文针对弱监督视频异常检测中被忽视的视频分类问题，提出用 BERT 或 LSTM 聚合全视频 CNN 特征并加入 MIL 框架，显著提升三大数据集性能，XD-Violence mAP 达 82.10%。
2023-04-19 cs.CV
Real-world Anomaly Detection in Surveillance Videos
Information Technology University（信息技术大学）；University of Central Florida（中佛罗里达大学）
监控录像能够捕捉到各种真实的异常情况。在本文中，我们建议通过利用正常和异常视频来学习异常。为了避免注释训练视频中的异常片段或剪辑，这是非常耗时的，我们建议通过利用弱标记的训练视频，即训练标签（异常或正常）处于视频级别而不是剪辑级别，通过深度多实例排名框架来学习异常。在我们的方法中，我们将正常和异常视频视为包，将视频片段视为多实例学习（MIL）中的实例，并自动学习深度异常排名模型，该模型预测异常视频片段的高异常分数。此外，我们在排名损失函数中引入稀疏性和时间平滑性约束，以更好地在训练期间定位异常。我们还介绍了一个新的大规模的128小时视频数据集。它由1900个长而未经修剪的真实世界监控视频组成，除了正常活动外，还有打斗、交通事故、入室盗窃、抢劫等13种现实异常。该数据集可用于两个任务。首先，考虑一组中的所有异常和另一组中的所有正常活动的一般异常检测。第二，识别13种异常活动。我们的实验结果表明，我们的MIL异常检测方法实现了显着改善异常检测性能相比，国家的最先进的方法。我们提供了最近几个关于异常活动识别的深度学习基线的结果。这些基线的低识别性能表明，我们的数据集非常具有挑战性，并为未来的工作提供了更多的机会。该数据集可在以下网址获得：https://webpages.uncc.edu/cchen62/dataset.html
2019-02-14 cs.CV
Sequence Matters: Harnessing Video Models in 3D Super-Resolution
Sungkyunkwan University（成均馆大学）；Samsung Electorics（三星电子）
针对3D超分辨率中单图方法缺乏视角一致性的问题，本文提出利用视频超分辨率（VSR）模型进行多视角图像重建，并提出一种无需微调的简单图像对齐方法，在标准基准数据集上取得了最先进的结果。
2024-12-21 cs.CV
An overview of deep learning based methods for unsupervised and semi-supervised anomaly detection in videos
Uncanny Vision Solutions（Uncanny Vision解决方案公司）；Université Charles de Gaulle, Lille 3（戴高乐大学（里尔第三大学））
视频代表了监控应用的主要信息来源，并且大量可用，但在大多数情况下，几乎不包含或不包含用于监督学习的注释。本文回顾了最先进的基于深度学习的视频异常检测方法，并根据模型类型和检测标准对其进行了分类。我们还进行了简单的研究，以了解不同的方法，并提供评估标准的时空异常检测。
2018-01-30 cs.CV
VADER: Towards Causal Video Anomaly Understanding with Relation-Aware Large Language Models
National Tsing Hua University（清华大学）；NVIDIA
VADER通过整合关系感知的大型语言模型与视频关键帧特征，提升视频异常的因果理解与解释能力。
2025-12-12 cs.CV
Anomaly detection in surveillance videos using transformer based attention model
Indian Institute of Information Technology Allahabad（阿拉哈巴德印度信息技术学院）；ITER, Shiksha ‘O’ Anusandhan（希克沙·奥·阿努桑丹大学ITER学院）
监控录像可以捕捉到各种各样的异常情况。这项研究建议使用弱监督策略来避免在训练视频中注释异常片段，这是耗时的。在该方法中，仅使用视频级标签来获得帧级异常分数。弱监督视频异常检测（WSVAD）在训练过程中会出现对异常和正常实例的错误识别。因此，重要的是从可用的视频中提取更好的质量特征。基于这种动机，本文使用质量更好的基于变换的特征，称为Videoswin特征，然后是基于膨胀卷积和自注意的注意层，以捕获时域中的长范围和短范围依赖性。这使我们更好地了解可用的视频。该框架在真实数据集上进行了验证，即上海理工大学校园数据集，其结果比当前最先进的方法具有竞争力的性能。该模型和代码可在https://github.com/kapildeshpande/Anomaly-Detection-in-Surveillance-Videos上获得
2022-06-06 cs.CV
Anomaly Detection using Edge Computing in Video Surveillance System: Review
Indian Institute of Information Technology, Nagpur（那格浦尔印度信息技术学院）
当前的智慧城市概念影响着城市规划者和研究人员提供现代化、安全和可持续的基础设施，并为居民提供体面的生活质量。为了满足这一需求，已经部署了视频监控摄像头，以提高公民的安全和福祉。尽管现代科学的技术发展，监控视频系统中的异常事件检测是具有挑战性的，需要穷尽人力。在本文中，我们调查了智能视频监控中检测异常的各种方法。首先，我们回顾了过去十年关于异常检测的调查。然后，我们提出了一个系统的分类方法，以便于理解。考虑到异常依赖于上下文的概念，我们在异常检测中识别不同的感兴趣对象和公开可用的数据集。由于异常检测被认为是计算机视觉的一个时间关键的应用，我们的重点是使用边缘设备和方法明确为他们设计的异常检测。此外，我们还讨论了边缘异常检测所面临的挑战和机遇。
2021-08-07 cs.CV
AssistPDA: An Online Video Surveillance Assistant for Video Anomaly Prediction, Detection, and Analysis
Xidian University（西安电子科技大学）；National University of Singapore（新加坡国立大学）；Northwestern Polytechnical University（西北工业大学）；Singapore Management University（新加坡管理大学）
AssistPDA是首个在线视频异常监控助手，统一了视频异常预测、检测与分析，通过时空关系蒸馏模块实现实时推理，并构建了VAPDA-127K基准，性能优于现有离线方法。
2025-03-27 cs.CV
AAD: Adaptive Anomaly Detection through traffic surveillance videos
通过视频分析的异常检测对于检测交通路口的任何异常车辆/人行为具有重要意义。虽然大多数现有的作品使用神经网络和传统的机器学习方法的基础上提供的数据集，我们将使用对象识别（更快的R-CNN），以确定对象的标签和它们在视频场景中的相应位置作为第一步，以实现异常检测。然后，将利用光流来识别帧的每个区域中的自适应业务流。基本上，我们提出了一种替代方法，使用自适应异常检测框架进行异常活动检测。与参考文献中描述的基线方法相比，我们的方法是更有效的，并产生相当的精度。
2018-08-29 cs.CV
EVAL: Explainable Video Anomaly Localization
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
我们开发了一个新的框架，单场景视频异常定位，允许人类可以理解的原因，系统的决策。我们首先学习对象及其运动的一般表示（使用深度网络），然后使用这些表示来构建任何特定场景的高级位置相关模型。该模型可用于检测同一场景的新视频中的异常。重要的是，我们的方法是可解释的-我们的高级外观和运动特征可以为视频的任何部分被分类为正常或异常提供人类可理解的原因。我们在标准视频异常检测数据集（街景，中大大道，上海科技大学和UCSD Ped 1，Ped 2）上进行实验，并显示出显着的改进，比以前的国家的最先进的。
2022-12-15 cs.CV
Challenges in Time-Stamp Aware Anomaly Detection in Traffic Videos
Malaviya National Institute of Technology Jaipur（斋浦尔马拉维亚国家技术学院）
基于时间戳的交通视频异常检测是智能交通系统发展的一项重要任务。视频中的异常检测是一个具有挑战性的问题，由于稀疏的异常事件的发生，不同类型的异常的不一致的行为和不平衡的可用数据的正常和异常的情况。在本文中，我们提出了一个三阶段的管道来学习视频中的运动模式，以检测视觉异常。首先，从最近的历史帧中估计背景，以识别不动的对象。该背景图像用于定位帧内的正常/异常行为。此外，我们在估计的背景中检测感兴趣的对象，并将其归类为基于时间戳感知的异常检测算法的异常。我们还讨论了所面临的挑战，在提高性能看不见的测试数据的流量异常检测。实验是在NVIDIA AI城市挑战赛2019的第三场比赛中进行的。实验结果表明，该方法能够有效地检测交通/道路视频中的时间戳异常。
2019-06-11 cs.CV
