论文73°11:22基于YOLO姿态估计和CLIP语义评分的实时视频异常检测新方法结合YOLO和CLIP,无需光流和独立姿态估计器,实时检测异常行为,速度提升3倍多。#YOLO#CLIP#视频异常检测#姿态估计aarXiv cs.AI@Vanodhya G. Warnasooriya 等 4 人原文稍后读已读值得跟进有用关注 YOLO
论文精选11:22严格因果流视频异常检测与理论状态空间核心这篇论文介绍了一种新的视频异常检测器,它具有更快的响应速度和更高的准确性,值得专业人士关注。#视频异常检测#状态空间模型#MCP/工具#智能体aarXiv cs.AI@Yogesh Kumar原文稍后读已读值得跟进有用关注 视频异常检测
论文12:05VQ-VAD:基于向量量化的运动表示学习,用于人体中心视频异常检测VQ-VAD把动作量化成码本,重建误差高就是异常。HR-SHT上81.83%,跨域不重训76.69%,挺能打。#VQ-VAD#VQ-GAN#视频异常检测#动作表示aarXiv cs.AI@Narges Rashvand 等 5 人原文稍后读已读值得跟进有用关注 VQ-VAD
模型12:18O-VAD:基于对象中心跟踪与推理的工业视频异常检测O-VAD不用训练就能检测工业视频异常,跟踪对象状态变化,比传统方法更准。#O-VAD#工业视频异常检测#视频异常检测#对象跟踪aarXiv cs.AI@Mei Yuan 等 8 人原文稍后读已读值得跟进有用关注 O-VAD