PiercingEye：基于双空间学习和双曲几何视觉语言引导的视频暴力检测
计算机视觉与模式识别
2025-04-29 v1
摘要
现有的弱监督视频暴力检测 (VVD) 方法主要依赖欧几里得表示学习，往往难以区分视觉相似但语义不同的事件，因为受限于层次建模和不足的歧义训练样本。为解决这一挑战，我们提出了 PiercingEye，一种新的双空间学习框架，融合欧几里得几何和双曲几何，以增强判别性特征表示。具体而言，PiercingEye引入层次敏感的双曲聚合策略，加入双曲 Dirichlet 能约束，以逐步建模事件层次结构；并引入跨空间注意力机制，以促进欧几里得空间与双曲空间之间特征的互补互动。此外，为缓解歧义样本稀缺问题，我们利用大语言模型生成逻辑引导的歧义事件描述，实现通过双曲视觉语言对比损失进行显式监督，该损失通过动态相似度感知加权优先处理高混淆样本。广泛的在 XD-Violence 和 UCF-Crime 数据集上的实验表明，PiercingEye 实现了最先进的性能，尤其在新建的歧义事件子集上取得了显著的结果，验证了其在细粒度暴力检测中的卓越能力。
引用
@article{arxiv.2504.18866,
title = {PiercingEye: Dual-Space Video Violence Detection with Hyperbolic Vision-Language Guidance},
author = {Jiaxu Leng and Zhanjie Wu and Mingpi Tan and Mengjingcheng Mo and Jiankang Zheng and Qingqing Li and Ji Gan and Xinbo Gao},
journal= {arXiv preprint arXiv:2504.18866},
year = {2025}
}
备注
Submitted to IEEE Transactions on Pattern Analysis and Machine Intelligence