Pistachio：面向合成、平衡且长形式的视频异常基准测试

自动检测视频中的异常事件对于现代自主系统至关重要，然而现有的视频异常检测（VAD）基准测试缺乏评估真实世界性能所需的场景多样性、平衡的异常覆盖和时间复杂性。与此同时，社区正越来越多地转向视频异常理解（VAU），这需要更深层的语义和因果推理，但由于其需要大量的人工标注工作而难以进行基准测试。在本文中，我们引入了Pistachio，一个完全通过受控的、基于生成的流水线构建的新VAD/VAU基准测试。通过利用视频生成模型的最新进展，Pistachio能够精确控制场景、异常类型和时间叙事，有效消除了互联网收集数据集的偏差和局限性。我们的流水线集成了场景条件下的异常分配、多步骤故事线生成和一种时间一致的长形式合成策略，能够以最少的人工干预生成连贯的41秒视频。广泛的实验展示了Pistachio的规模、多样性和复杂性，揭示了现有方法面临的新挑战，并激发了关于动态和多事件异常理解的未来研究。