.png){kind=icon}
返回
Explicit knowledge-structured weakly supervised video anomaly detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2026.106088.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视频异常检测（VAD）对于智能城市监控和自动驾驶等安全关键型应用至关重要。尽管弱监督视频异常检测（WSVAD）通过使用视频级标签降低了标注成本，但许多现有方法依赖于刚性top-k片段选择策略，这可能引入噪声监督并忽略推断异常发生时间、位置和语义类别所需的显式先验知识。相应地，我们提出显式知识结构化弱监督视频异常检测（EKS-WSVAD），该算法采用批内统计量自适应挖掘高置信度异常片段，而非固定top-k配额。此外，我们设计了一种双流动态-静态架构，以融入显式多模态知识，对运动线索、语义类别和空间布局进行联合推理。实验表明，EKS-WSVAD在UCF-Crime数据集上达到86.76%的AUC，在XD-Violence数据集上达到85.30%的AP，超越了大多数当前最优方法。
Keyword:
Video anomaly detection
Weakly supervised learning
Anomalous snippet mining
Multimodal knowledge
Dynamic-static architecture
