論文の概要: Efficient Zero-Shot Video Anomaly Detection via Signal-Aware Adaptive Fusion (SAAF)
- arxiv url: http://arxiv.org/abs/2610.32486v1
- Date: Fri, 23 Oct 2026 11:02:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.502009
- Title: Efficient Zero-Shot Video Anomaly Detection via Signal-Aware Adaptive Fusion (SAAF)
- Title（参考訳）: 信号認識型適応核融合(SAAF)による高能率ゼロショットビデオ異常検出
- Abstract要約: Signal-Aware Adaptive Fusion (SAAF)は、効率的なゼロショット異常検出を実現するフレームワークである。
セマンティック埋め込み空間で動作するデュアル信号適応型サンプリング装置を提案する。
フレームレベルの軽量スコアリングが高価な時間解析に先行するしきい値付きカスケードアーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 22.69910219820086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deploying Vision-Language Models for video anomaly detection confronts a fundamental constraint. Their semantic reasoning demands computational budgets incompatible with the scale of real-world video streams. We present Signal-Aware Adaptive Fusion (SAAF), a framework that achieves efficient zero-shot anomaly detection through three key innovations. First, we introduce a dual-signal adaptive sampler operating in semantic embedding space: a delta signal captures sudden events via frame-to-frame cosine distance, while a drift signal detects static and gradual anomalies through deviation from rolling temporal context. Their OR-gated combination with adaptive EMA-based thresholding provides comprehensive anomaly coverage without training data. Second, we propose a threshold-gated cascaded architecture where lightweight frame-level scoring precedes expensive video-level temporal analysis, invoking it only when confidence warrants additional context. Third, we design a signal-aware weighted fusion mechanism that dynamically adapts score combination based on which signal triggered frame selection. Across four benchmarks, SAAF delivers competitive accuracy at substantially lower cost. Among training-free zero-shot methods, SAAF sets a new state of the art on XD-Violence (92.07%), MSAD (86.70%), and ShanghaiTech (80.54%) AUC-ROC, with XD-Violence and MSAD also surpassing supervised baselines. SAAF sustains 44.95, 48.61, and 41.06 FPS on XD-Violence, UCF-Crime, and MSAD, a 2.43$\times$, 2.63$\times$, and 2.22$\times$ throughput improvement over the prior best zero-shot method. Code: https://github.com/kdawoud91/SAAF
- Abstract（参考訳）: ビデオ異常検出のためのビジョンランゲージモデルのデプロイは、根本的な制約に直面している。
彼らのセマンティック推論は、実世界のビデオストリームのスケールと相容れない計算予算を要求する。
本稿では,3つの重要なイノベーションを通じて,効率的なゼロショット異常検出を実現するフレームワークであるSignal-Aware Adaptive Fusion(SAAF)を提案する。
デルタ信号はフレーム間コサイン距離を介して突然の事象をキャプチャし、ドリフト信号は回転時間文脈から逸脱して静的および漸進的異常を検出する。
OR-gateと適応EMAベースのしきい値設定の組み合わせは、トレーニングデータなしで包括的な異常カバレッジを提供する。
第2に,フレームレベルの軽量スコアリングが高価なビデオレベルの時間解析に先行するしきい値付きカスケードアーキテクチャを提案する。
第3に、どの信号がフレーム選択をトリガーしたかに基づいて、スコアの組み合わせを動的に適応する信号対応重み付き融合機構を設計する。
4つのベンチマークでSAAFは競争精度をかなり低いコストで達成した。
訓練なしのゼロショット法のうち、SAAFはXD-Violence (92.07%)、MSAD (86.70%)、ShanghaiTech (80.54%) AUC-ROCに新しい最先端の技術を設定しており、XD-ViolenceとMSADも監督ベースラインを超えている。
SAAFは、XD-Violence、UCF-Crime、MSADの44.95、48.61、および41.06 FPSを維持し、2.43$\times$、2.63$\times$、および2.22$\times$スループットを以前の最高のゼロショット法よりも改善している。
コード:https://github.com/kdawoud91/SAAF
関連論文リスト
- MoG-VLM: Efficient Video Anomaly Detection through Motion-Guided Vision-Language Models [32.56479406653528]
MoG-VLMはモーション適応型異常検出フレームワークである。
本稿では,情報領域に集中してコンテンツ認識サンプリングを行うTGMについて紹介する。
4つのベンチマークで、XD-Violence, UCF-Crime, MSAD, ShanghaiTech上で91.91%、84.30%、87.88%、78.96%のAUC-ROCを達成した。
論文 参考訳（メタデータ） (2026-10-22T16:03:47Z) - GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed [71.05944634852158]
GroundAnythingはブロックワイズによる正確なローカライゼーションで高速並列デコーディングを再構成する。
30のグラウンドベンチマークで、私たちの自己回帰型であるGroundAnything-VLMは、この技術の新たな全体的な状態を確立します。
エントロピー誘導復号法により、GroundAnythingは、この規模の芸術の先行状態を超越している。
論文 参考訳（メタデータ） (2026-09-30T12:20:51Z) - Over-the-Air Federated Learning in Heterogeneous Mobile Wireless Networks [56.36166282526799]
オーバー・ザ・エア(Over-the-air)計算は、無線ネットワークに学習アルゴリズムをデプロイするためのスケーラブルで効率的なソリューションである。
我々は,アルゴリズム正規化を採用し,暗黙のゴシップを通じてデバイスのアップデートを均等に混合するFedOAGを提案する。
論文 参考訳（メタデータ） (2026-09-26T18:04:09Z) - Boundary-Aligned Contribution Routing for Robust Optical--SAR Object Detection [8.665369041430969]
光-SAR融合はリモートセンシングオブジェクト検出に魅力的である。
しかし、不完全な空間的、時間的、意味的な対応は、不完全なストリームを条件付きで有害にすることができる。
我々は,検出監視のみを用いてタスク条件付きコントリビューションルーティングを学習する。
論文 参考訳（メタデータ） (2026-08-15T14:37:23Z) - LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。
ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。
nuScenesとVIRATの実験は、我々のアプローチを検証する。
論文 参考訳（メタデータ） (2026-07-02T06:44:02Z) - CMDS-AD: Cross-Modal Dual-Stream Decoupling for Few-Shot Anomaly Detection [22.190054508477704]
訓練データに制限があるため、わずかな撮影異常検出は依然として困難である。
CMDS-AD(Cross-Modal Dual-Stream Anomaly Detection framework)を提案する。
CMDS-ADは、MVTec 3D-ADで5.7%(I-AUROC)と2.0%(AUPRO)の絶対的なパフォーマンス向上を達成する。
論文 参考訳（メタデータ） (2026-06-18T14:36:02Z) - VigilFormer: Deformable Attention for Video Anomaly Detection with Causal Risk Inference [2.538209532048867]
本稿では,ビデオ監視映像の異常を検出するために,変形可能な注意と因果時間モデルを組み合わせた統合フレームワークを提案する。
VigilFormer, ShanghaiTech, CUHK Avenueのフレームワークを1つのGPU上で41.5 FPSで評価した。
論文 参考訳（メタデータ） (2026-05-31T14:27:57Z) - CAST: Channel-Aware Spatial Transfer Learning with Pseudo-Image Radar for Sign Language Recognition [4.779774528361377]
本稿では,チャネル認識型空間移動学習を利用した2重ストリームアーキテクチャであるCASTを提案する。
提案フレームワークは3つの物理対応アーキテクチャと事前訓練された視覚バックボーンを組み合わせており、レーダーのみの制約の下で動作している。
実験の結果、アーキテクチャは5倍のクロスバリデーションで80.5%のTop-1精度を達成した。
論文 参考訳（メタデータ） (2026-05-09T04:02:40Z) - Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。
VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。
3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
論文 参考訳（メタデータ） (2026-04-23T09:11:50Z) - MeanFlow Transformers with Representation Autoencoders [71.45823902973349]
MeanFlow(MF)は、ノイズからデータへのジャンプを直接学習することで、効率的な数ステップ生成を可能にする拡散動機付き生成モデルである。
我々は、表現オートエンコーダ(RAE)の潜在空間におけるMFの効率的なトレーニングとサンプリング手法を開発する。
1ステップのFIDが2.03であり,バニラMFの3.43を上回っ,GFLOPSのサンプリングを38%削減し,ImageNet 256のトレーニングコストを83%削減した。
論文 参考訳（メタデータ） (2025-11-17T06:17:08Z) - SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。
効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。
構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
論文 参考訳（メタデータ） (2020-07-26T12:32:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。