面向事件流视频异常检测的基线与基准数据集
计算机视觉与模式识别
2026-03-27 v1
摘要
基于事件的视觉系统以低冗余、聚焦动态运动和内在隐私保护特性天然适合视频异常检测(VAD)的需求。然而，缺乏专门的事件流异常检测数据集和有效的建模策略显著阻碍了该领域的进展。本文致力于确立事件基于VAD作为统一研究方向的第一大步。我们首先构建了多个基于事件流的视频异常检测基准数据集， featuring 同步的事件和RGB记录。利用事件的独特属性，我们提出了一种称为 EWAD 的事件中心时空视频异常检测框架，包含三个关键创新：一种事件密度感知的动态抽样策略，用于选择具有时序信息的片段；一种密度调制的时序建模方法，从稀疏事件流中捕获情境关系；以及一种从RGB到事件的知识蒸馏机制，在弱监督下增强事件表示。大规模实验表明，我们的 EWAD 在现有方法之上实现了显著的改进，凸显了事件驱动建模对于视频异常检测的潜力与有效性。这些基准数据集将对外公开发布。
引用
@article{arxiv.2603.24991,
title = {Towards Video Anomaly Detection from Event Streams: A Baseline and Benchmark Datasets},
author = {Peng Wu and Yuting Yan and Guansong Pang and Yujia Sun and Qingsen Yan and Peng Wang and Yanning Zhang},
journal= {arXiv preprint arXiv:2603.24991},
year = {2026}
}