Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 15 сентября 2026 года] Название: Probe-VAD: Ordinal Likellifault Processing for Training-Free Video Anomaly Discrimination View PDF HTML (экспериментальное) резюме: VideO anaradition displacement (VADE) имеет целью локализовать аномальные события в нетронутых видео. Взгляд-лингвистические модели (ВУЗы) обеспечивают глубокое визуальное понимание для бесплатного обучения VAD, но существующие подходы налагают ограничительный интерфейс между визуальным пониманием и аномалией. Технология на основе конвейера сжимает визуальные доказательства в текст, потенциально отбрасывая тонкие кишки, а прямое числовое поколение заставляет модель выражать свое мнение через небольшой набор предопределенных оценок. Такие интерфейсы могут затушевывать тонкие различия в степени аномалии, что приводит к тому, что визуально различимые ролики получают аналогичные представления или оценки и тем самым ограничивает разрешение ранжирования аномалов. Мы предлагаем текст f {Probe-VAD} — ординальную систему двоичного исследования, которая непосредственно изучает предпочтения жесткости от замороженного VLM. Учитывая необработанные видеозаписи, Probe-VAD задает вопросы о десяти установленных пороговых значениях строгости и выдержка ограничивает вероятность продолжения. Их нормализованные преференции образуют кумулятивный профиль тяжести, на основе которого остаточные данные агрегируются в непрерывную аномалию, причем изотоническая…
Проб-ВАД: Ординальная аномалия для поиска видеоаналогов без обучения
arXiv:2609.17211v1 Annuate Type: New Habstractive: Video avenala Discrimination (VAD) имеет целью локализовать аномальные события в нетронутых видео. Взгляд-лингвистические модели (ВУЗы) обеспечивают глубокое визуальное понимание для бесплатного обучения VAD, но существующие подходы налагают ограничительный интерфейс между визуальным пониманием и аномалией. Технология на основе конвейера сжимает визуальные доказательства в текст, потенциально отбрасывая тонкие кишки, а прямое числовое поколение заставляет модель выражать свое мнение через небольшой набор предопределенных оценок. Такие интерфейсы могут затушевывать тонкие различия в степени аномалии, что приводит к тому, что визуально различимые ролики получают аналогичные представления или оценки и тем самым ограничивает разрешение ранжирования аномалов. Мы предлагаем текст f {Probe-VAD} — ординальную систему двоичного исследования, которая непосредственно изучает предпочтения жесткости от замороженного VLM. С учетом необработанных видеозаписей, Probe-VAD запросы 10 установленных пороговых значений строгости и экстрактов ограничены *текстит {YES}/\textit {NO} continuatio