Проверка VLM на предмет выявления аномалий с помощью видео- и видеопроцессорных средств
arXiv: 26009,07455 v1 Annualce Type: New Humber Abstract: Как модели на языке зрения могут способствовать обнаружению аномалий видео (VAD), когда данные наблюдения по-прежнему распространяются, плохо маркируются и ограничены ресурсами? Наиболее слабо контролируемые методы ПДВ предполагают централизованную подготовку; последние расширения на основе УЗМ также зависят от плотных выводов, полученных объяснений или дополнительной адаптации. Мы введём легкий каскад с ми-ль-миллиардом, в котором тренируется только компактный миноискатель для всех клиентов, а замороженный VLM проверяет высоковысокие подозрительные сегменты после специального. Мы изучаем два интерфейса обратной связи VLM: переработанные текстовые решения и интерфейс на основе logit, который выводит непрерывную аномалию из следующего числа вероятностей да/нет. Эксперименты в области УКУ-преступлений с использованием ИнтернВL3.5-2B и Qwen3-VL2B-инструкций показывают, что проверка текстообразования может повысить уровень AUC после диагностики временной обработки, но остается чувствительным к сигналам, парсерам, выбору моделей и сглаживанию. И наоборот,