注入可解释性与轻量化设计：弱监督视频异常检测系统
计算机视觉与模式识别
2025-09-24 v2 人工智能
摘要
弱监督监控异常检测（Weakly Supervised Monitoring Anomaly Detection, WSMAD）利用弱监督学习来识别异常现象，这是智能城市监控中的关键任务。然而，现有多模态方法往往因其复杂性，难以满足边缘设备的实时性和可解释性要求。本文提出了TCVADS（Two-stage Cross-modal Video Anomaly Detection System，两阶段跨模态视频异常检测系统），它利用知识蒸馏和跨模态对比学习，实现在边缘设备上进行高效、准确且可解释的异常检测。TCVADS分为两个阶段：粗粒度快速分类和细粒度详细分析。在第一个阶段，TCVADS从视频帧中提取特征并输入时间序列分析模块，该模块作为教师模型。通过知识蒸馈将洞察力传递给简化的卷积网络（学生模型）进行二分类。在检测到异常后，触发第二个阶段，采用细粒度多分类模型进行处理。该阶段使用CLIP进行跨模态对比学习，结合文本和图像，增强可解释性，并通过设计的特殊三元组文本关系实现精细分类。实验结果表明，TCVADS 在模型性能、检测效率和可解释性方面均显著优于现有方法，为智能城市监控应用提供了有价值的贡献。
引用
@article{arxiv.2412.20201,
title = {Injecting Explainability and Lightweight Design into Weakly Supervised Video Anomaly Detection Systems},
author = {Wen-Dong Jiang and Chih-Yung Chang and Hsiang-Chuan Chang and Ji-Yuan Chen and Diptendu Sinha Roy},
journal= {arXiv preprint arXiv:2412.20201},
year = {2025}
}