MissionHD：面向视频异常检测的分布缺失推理图超维精化
机器学习
2026-02-16 v4
摘要
大语言模型生成的推理图，即任务特定图(MSGs)，正越来越多地用于视频异常检测(VAD)和识别(VAR)。然而，尽管它们具有通用性且分布缺失，通常被视为固定的。传统的图结构精化(GSR)方法不适合此场景，因为它们依赖于学习LLM生成图中不存在的结构分布。我们提出HDC约束图结构精化(HDC-GSR)，一种新范式，它直接在单个超维空间中优化可解码的、任务对齐的图表示，无需分布建模。利用超维计算(HDC)，我们的框架通过绑定和捆绑操作对图进行编码，将生成的图码与下游损失对齐，并解码边贡献以精化结构。我们将此方法实例化为MissionHD，用于弱监督VAD/VAR，并在基准数据集上展示了持续的性能提升。
引用
@article{arxiv.2508.14746,
title = {MissionHD: Hyperdimensional Refinement of Distribution-Deficient Reasoning Graphs for Video Anomaly Detection},
author = {Sanggeon Yun and Raheeb Hassan and Ryozo Masukawa and Nathaniel D. Bastian and Mohsen Imani},
journal= {arXiv preprint arXiv:2508.14746},
year = {2026}
}