基于异常连通分量与意图推理的弱监督视频异常检测
计算机视觉与模式识别
2026-03-03 v1
摘要
弱监督视频异常检测（WS-VAD）涉及识别包含异常事件的时间段，这些视频是未裁剪的，且仅提供视频级别的注释作为监督信号。然而，WS-VAD 的一个关键局限性在于缺乏密集的帧级注释，这往往使现有方法难以有效学习异常语义。为此，我们提出一种新框架 LAS-VAD，即 Learning Anomaly Semantics for WS-VAD，集成异常连通分量机制和意图感知机制。前者旨在将视频帧分配到视频内的不同语义组，帧级段落在同一组内被视为共享相同的语义信息。后者利用意图感知策略来区分相似的正常与异常行为（例如，取物品与盗窃）。为进一步建模异常的语义信息，由于异常发生伴随 distinct characteristic attributes（例如，爆炸由火焰和浓烟特征化），我们还额外引入异常属性信息以指导精确检测。在两个基准数据集 XD-Violence 和 UCF-Crime 上的大量实验表明，LAS-VAD 在当前最先进方法上取得显著提升。
引用
@article{arxiv.2603.00550,
title = {Weakly Supervised Video Anomaly Detection with Anomaly-Connected Components and Intention Reasoning},
author = {Yu Wang and Shengjie Zhao},
journal= {arXiv preprint arXiv:2603.00550},
year = {2026}
}
备注
Accepted by CVPR 2026