注册

SAAF 框架实现零样本视频异常检测，三个数据集刷新纪录

论文AI 评分 72/100arXiv cs.AI
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

SAAF 是一个无需训练数据的零样本视频异常检测框架，核心由三部分组成：在语义嵌入空间运行的双信号自适应采样器，用帧间余弦距离捕捉突变、用偏离滚动时序上下文捕捉渐变，两者以 OR 门控结合并配自适应 EMA 阈值；阈值门控的级联结构，先做轻量帧级打分，仅在置信度足够时才调用开销大的视频级时序分析；以及按触发信号动态调整分数组合的加权融合。在 XD-Violence、MSAD、ShanghaiTech 上分别取得 92.07%、86.70%、80.54% AUC-ROC，其中前两个数据集超过监督基线；吞吐为 44.95、48.61、41.06 FPS，较此前最佳零样本方法提升 2.43 倍、2.63 倍、2.22 倍。论文被 WACV 2027 接收。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

双信号如何挑选帧

SAAF 的采样器工作在语义嵌入空间，而不是像素空间。它并行计算两类信号：delta 信号用相邻帧之间的余弦距离衡量变化幅度，用来抓住突发性事件；drift 信号则把当前帧与滚动的时间上下文作比较，偏离越大越可疑，针对的是画面几乎静止、变化缓慢的异常。两个信号以 OR 逻辑合并，只要任一信号报警就保留该帧，再配合基于 EMA 的自适应阈值决定取舍。整个挑选过程不依赖任何训练数据，也不需要为不同数据集手工调参，这是它被称为零样本的前提。

级联结构控制计算开销

视觉语言模型的语义推理能力强，但算力需求与真实视频流的规模不匹配，这是论文开篇点明的矛盾。SAAF 的应对是把分析分成两级：先用轻量模块对单帧打分，只有当置信度达到阈值时，才触发开销更大的视频级时序分析。这样大部分普通帧只经过便宜的一级处理，昂贵的上下文推理被留给真正可疑的片段。第三项设计是信号感知的加权融合，根据是 delta 还是 drift 触发了帧选择，动态调整两路分数的组合权重，避免用同一套规则处理突变与渐变两类异常。

精度与吞吐的实测结果

在四个基准上，SAAF 在保持有竞争力精度的同时显著降低了成本。在无训练零样本方法中，它在 XD-Violence 上达到 92.07%、MSAD 上 86.70%、ShanghaiTech 上 80.54% 的 AUC-ROC，均为此类方法的新高，其中 XD-Violence 与 MSAD 两项还超过了监督学习的基线。速度方面，它在 XD-Violence、UCF-Crime、MSAD 上分别维持 44.95、48.61、41.06 FPS，相对此前最好的零样本方法分别有 2.43 倍、2.63 倍和 2.22 倍的吞吐提升。论文已被 WACV 2027 接收，代码链接随论文一并给出。

为什么值得看

零样本视频异常检测在精度提升的同时把吞吐提高约 2 倍以上，对需要处理大规模视频流的部署场景有直接参考价值。

论文数据集

信源1 家

  1. [1]arXiv cs.AI一手信源Efficient Zero-Shot Video Anomaly Detection via Signal-Aware Adaptive Fusion (SAAF)

关键事实

  • SAAF 在 XD-Violence、MSAD、ShanghaiTech 上分别取得 92.07%、86.70%、80.54% AUC-ROC[1]

  • 在 XD-Violence 和 MSAD 上，SAAF 的成绩超过监督基线[1]

  • 吞吐为 44.95、48.61、41.06 FPS，较此前最佳零样本方法分别提升 2.43 倍、2.63 倍、2.22 倍[1]

  • 方法包含双信号自适应采样、阈值门控级联架构与信号感知加权融合三部分[1]

  • 论文被 WACV 2027 接收，编号 arXiv:2610.32486[1]

相关 · 论文

北大孙仲联合IBM等发布综述，重新定义现代模拟计算

11月3日 周二·AI 72

OpenAI 自 GPT-5.6 起部署激活分类器监控模型输出

11月3日 周二·AI 78

OpenAI 推出 LifeVal 基准，衡量 AI 完成日常事务的能力

11月2日 周一·AI 72

ALPS：分层规划让LLM模拟学生保持长期行为一致

11月1日 周日·AI 62

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论