来自北京大学和Tsinghua大学的研究团队共同发布了一项活动，该活动的中心为低成本和出色的培训免费视频异常检测框架框架，ACM MM 2025。该项目的负责人是JD.com的算法研究人员MA AO。代码和数据当前是完全打开的资源。在现有的视频检测异常方法（VAD）中，有一个管理的程序依赖大量现场训练数据，并且具有脆弱的功能，可以注意到无形的异常场景；尽管不需要培训的过程使用了对大语言模型（LLMS）世界的知识，但它存在诸如Pinong Geraine视觉定位，事件的误解和冗余模型之类的问题。直到今天，北京大学，Tsinghua大学和JD.com的一个研究团队建议新的Outli发现视频异常的NE -EventVad。该框架将图形的动态体系结构与事件结合在一起，以保存多模式大型模型（MLLMS），从而显着提高了异常发现的准确性和效率，同时降低了模型参数。实验结果表明，EventVad不仅仅是UCF-Crime和XD数据集中的现有SOTA方法，并且在训练方案中成为新的基准，而无需进行培训。 Paper Title: Eventvad: Training-Free Event-Award Video Anomaly Detection Paper Link: https://arxiv.org/abs/2504.13092 Code Open Source: httpS: //github.com/yihuajerry/eventvad Research Background and Motivation Video Anomaly Detection (VAD) Core goal is to accurately locate abnormal frames in video, but the existing methods have significant limits: the管理方法依赖于慷慨；即使使用单层或非监控方法，也很难获得完美的性能缺乏有效的标签。 LAVAD代表的程序不需要训练以通过视觉问答模型和LLMS标记实现异常定位，但是有两个主要问题：一个依赖于LLM至少具有130亿个参数，从而导致该图的无力；其余的缺乏这种视频时间安排的能力，并且很难同时研究长时间的视频，这很容易出现不当行为和长时间的尾巴问题。研究小组发现，训练方法的主要瓶颈是无法完全找到异常的视频事件，从而导致随后的LLM分数偏见。如上图所示，受到这一点的启发，EventVad通过在事件的短段中分离长视频来增强对视频时间一致性的理解，同时引入动态图形模型以获得框架间关联，最终通过降低的参数实现了更高的精度。 EventVad关键创新EventVAD的LL概述由四个主要模式组成：动态图构造，图形传播，统计边界检测和事件中心异常评分的事件知识。通过此过程，通过在准确定位异常框架方面获得视频框架功能来发现端到端训练。动态图形图旨在捕获视频时间的动态特征，EventVad生成了一个动态图模型，该模型包含语义和运动信息。通过平衡融合系数的两个特征（α= 0.75），增强了夹子的语义特征（512维）和光流动运动的特征（128维）。框架间的组织是通过语义均匀性（余弦距离）和运动（指数距离）和一个小时的衰减因子（γ）来计算的姿态框架组织，突出显示事件在短时间内的连贯性。图形注意力的传播是优化帧级特征并保持时机的一致性，EventVad正在设计基于正交屏障的图形注意机制。正交查询（q），键（k）和值（v）矩阵由QR变性形成，以防止特征大小下降。基于动态图的相邻矩阵计算注意力的重量，通过迭代传播更新节点特征，并增强事件边界的差异。统计边界检测可准确分段视频事件边界，EventVad采用了统计上统计上的噪声。在piincluded-各种差异 - 不同的差异中，事件变化的发现是通过合并L2标准（EIGENA振幅跳跃）和Kosine距离（变化方向）获得的。通过过滤SAVI计算信号比（全球平均比率局部）Tzky-Golalay和动态阈值是根据中值绝对偏差（MAD）设置的，以实现事件边界的无薪发现。活动中心的排除标记是提高理解MLLMS视频的效率，EventVad提出了一种层次及时的方法。在MLLM中输入事件片段段，开发视频内容的描述，然后根据描述输出异常标记以生成“自我纠正”机制。与传统评论框架级别或全球处理相比，事件级别的分析平衡了上下文的上下文并具有诚实，从而减少了长期视频审查错误的传播。实验验证研究团队对两个基准测试的UCF-Crime和XD-Violence数据集进行了全面评估，结果表明，其性能明显优于现有方法。在UCF-Crime数据集中的事件结果可实现82.03％的AUCIllion参数超过了130亿个参数（增加了几乎4％），而比所有非支持的单级给药方法更好，甚至超过了某些脆弱的给药方法。结果XD-Violence数据集的结果是XD-Violence数据集的结果，AP指标和AUC都比没有OTA（LAVAD）方法高约5％的现有练习更好，在高分辨率方案中证明了灵活性。图表的视觉检查如下所示。在UCF-Crime数据集中选择异常和普通视频样本，以描述传播应用程序图之前和之后的框架间关系。热图显示了相应框架间隙内帧之间的重量关系的变化。统计边界检测的视觉评估如下。以UCF-Crime数据集中的样本为例，发现异常视频边界的过程和普通视频已被可视化。在UCF-CR消融实验和XD-Violence数据集中的正常样品和异常样品的可视化。 Lavad未能正确看到例外的例子已经存在。下图显示了事件分割的结果和多模式大语言（MLLM）标记的异常标记，并与真实标签进行了比较。摘要和Outlook EventVad是免费视频异常视频的第一个培训模型，它将维护从框架级别到整个事件级别的现场演变。它提供了一个完整的基础，以增强事件的特征，划分和排除标记，以防止检测现实异常，从而大大降低了手动注释的成本和重新培训的开销。将来，随着每周的视频理解模型，范式异常的范式异常（如EventVad）将为视频提供基础。我们期待MOR的出现E创新算法基于EventVad，以加速视频级别异常的发展。