大酷樂
  • 汽車
  • 理财
  • 軍事
  • 科技
  • 遊戲
  • 互聯網
  • 娛樂
  • 财經
  • 科學
  • 社會
  • 親子
  • 電影
  • 健康
  • 教育
  1. 首頁
  2. 科學

AI危險檢測再進化!三層級解析長視頻異常,各種時序粒度均有明顯優勢

2025-04-08 简体 HK SG TW

今天小編分享的科學經驗:AI危險檢測再進化!三層級解析長視頻異常,各種時序粒度均有明顯優勢,歡迎閱讀。

多模态視頻異常理解任務,又有新突破!

" 異常理解 " 是指在視頻監控、自動駕駛等場景中,利用模型發現視頻中的異常内容,從而預判危險,以便及時做出決策。

來自華中科大等機構的研究人員,提出了新的視頻異常理解模型 Holmes-VAU,以及相關數據集。

與通用多模态大模型對比,Holmes-VAU 在各種時序粒度的視頻異常理解上都展現出顯著優勢。

為了實現開放世界的多模态視頻異常理解(VAU),已有的 VAU benchmark 只有短視頻的 caption 标注或長視頻的 instruction 标注,忽略了視頻異常事件的時序復雜性。

為同時促進模型對短視頻的感知能力和對長視頻的推理能力,作者提出了一種高效半自動數據引擎并構建了 HIVAU-70k 數據集,包含超 7 萬視頻異常理解任務的多時序尺度指令數據。

同時作者提出了一種基于異常分數的時序采樣器,從長視頻中動态稀疏采樣關鍵幀到後續多模态大模型中,顯著提升了異常分析的準确性和推理效率。

多層級視頻異常理解指令數據集

針對視頻異常理解任務 ( Video Anomaly Understanding ) ,以往的一些異常視頻指令數據集主要有兩方面問題:

數據集中的視頻時長較短,導致模型缺乏對長視頻的異常理解能力;

即便包含長視頻,也缺乏對長視頻的細粒度和結構化的标注,導致模型的異常理解空間難以對齊。

為此,作者提出了一個大型多模态指令數據集 HIVAU-70k,其中包含多種時間粒度的視頻異常标注,由粗到細分别為:

video-level:未裁剪長視頻,包括視頻中所有異常事件的文本描述分析;

event-level:從長視頻中裁剪出的異常事件片段,包括單個異常事件的文本描述分析;

clip-level:從 event 中進一步裁剪出的視頻片段,包括視頻片段的文本描述。

HIVAU-70k 中的指令數據包括視頻描述、異常判斷、異常描述和異常分析等任務,為視頻異常理解多模态大模型提供了豐富多樣的數據來源。

這樣的多層級指令數據集是怎麼構造的呢?從一個未裁剪的長視頻開始,需要依次經過以下三個步驟:

分層視頻解耦(Hierarchical Video Decoupling):将 video-level 視頻中的異常事件标注并裁剪出來,得到 event-level 視頻 , 再對 event-level 視頻進一步平均切分得到 clip-level 視頻;

分層自由文本注釋(Hierarchical Free-text Annotation):對于 clip-level 視頻,使用人工或 caption model 得到 clip caption;對于 event-level 視頻,結合所包含的 clip-level caption 和異常類别,提示 LLM 得到事件總結;對于 video-level 視頻,結合所包含的事件總結和異常類别,提示 LLM 得到視頻總結;

層次化指令數據構建(Hierarchical Instruction Data Construction):針對不同層級的視頻及其文本标注,設計不同的任務,構造任務相關的問題并與文本注釋組合,得到最終的指令數據。

與其他相關的數據集相比,HIVAU-70k 不僅有數量上的優勢,還提供了多粒度的文本标注以及時序上的異常邊界标注。

動态稀疏采樣的視頻異常理解模型

長視頻異常理解在使用大型語言模型(LLMs)或視覺語言模型(VLMs)時,常因幀冗餘問題而受到限制,導致異常檢測的準确性變得復雜。

以往的 VAU(視頻異常理解)方法難以聚焦異常。

例如,密集視窗采樣方法會增加大量冗餘幀的計算量,而均勻幀采樣方法常常錯過關鍵異常幀,使其應用範圍局限于短視頻。

為此,作者提出了 Anomaly-focused Temporal Sampler ( ATS ) ,并将其集成到 VLM 中,通過在 HIVAU-70k 上的指令微調,構建了 Holmes-VAU 模型。

異常幀通常比正常幀包含更多信息,并表現出更大的變化,基于這一觀察,作者設計了一種采樣策略,在異常分數較高的區網域采樣更多幀,同時在分數較低的區網域減少采樣。

為實現非均勻采樣,作者提出了一種 " 密度感知采樣器 "(density-aware sampler),用于從總共 T 個輸入幀中選擇 N 個幀。

具體來說,作者将異常分數 S 視為概率質量函數,并首先沿時間維度累積它們,得到累積分布函數(CDF),記為 S_cumsum:

接着,在累積軸上均勻采樣 N 個點,并将這些點映射到累積分布 S_cumsum 上。相應的時間軸上的 N 個時間戳會被映射到最接近的幀索引,最終形成采樣的幀索引集合 G。

△Holmes-VAU 模型框架圖

下入展示了測試集上的異常分數和采樣幀的可視化結果。這些結果表明了 ATS 的準确異常檢測能力,最終輸入到多模态大模型的采樣幀也集中于異常區網域。

△Anomly-focused Temporal Sampler ( ATS ) 異常分數及采樣幀示意圖實驗結果異常推理性能評估

作者在 HIVAU-70k 的測試集上,将模型輸出的推理文本與注釋的真實文本進行比較,計算了包括 BLEU、CIDEr、METEOR 和 ROUGE 等指标來衡量模型輸出的異常理解文本質量。

與通用多模态大模型對比,Holmes-VAU 在各種時序粒度的視頻異常理解上都展現出顯著優勢。

在多層級标注中,對不同層級指令數據集的組合,可以觀察發現,單一層級的标注只能提升單一層級任務的性能。

不同層級的标注組合可以相互補充,實現從 clip-level 的基礎視覺感知 , 到 event-level 單一異常事件的分析,再到 video-level 的長時序異常總結和推理等方面的全面提升,達到更細粒度和完整的多模态異常空間對齊。

對于非均勻采樣器的作用,作者也對比了不同幀采樣方式,包括本文提出的 ATS、之前方法用的 Top-K 采樣和 Uniform 采樣。

結果表明在相同的采樣幀數下,ATS 展現出更優越的長視頻異常理解能力,這是由于 Top-K 采樣過于集中在異常幀,忽略了視頻上下文的參考,Uniform 采樣則容易忽略關鍵的異常幀。

而作者提出的 ATS 則有效結合了這兩者的優勢,關注異常幀的同時,能夠保留部分上下文幀的采樣。

定性比較

下圖對比了 Holmes-VAU 和其他 MLLM 輸出的異常分析文本,Holmes-VAU 表現出更準确的異常判斷和分析能力,同時對長視頻也表現出更完整的異常總結能力。

△Holmes-VAU 和其他 MLLM 的異常分析文本質量對比

論文:

https://arxiv.org/abs/2412.06171

代碼:

https://github.com/pipixin321/HolmesVAU

一鍵三連「點贊」「轉發」「小心心」

歡迎在評論區留下你的想法!

—  完  —

學術投稿請于工作日發郵件到:

[email protected]

标題注明【投稿】,告訴我們:

你是誰,從哪來,投稿内容‍

附上論文 / 項目主頁鏈接,以及聯系方式哦

我們會(盡量)及時回復你

點亮星标

科技前沿進展每日見

熱門排行
  • 王治郅:楊瀚森主要的問題是速度 他的速度跟不上現代籃球的節奏 王治郅:楊瀚森主要的問題是速度 他的速度跟 郟君昊 | 2025-05-05
  • 貿易戰燒進電影院:特朗普拟重稅打擊外國電影 逼好萊塢等回美拍片 貿易戰燒進電影院:特朗普拟重稅打擊外國電影 習又夏 | 2025-05-05
  • 貸款追高炒黃金的人後悔了!有人一天虧掉6年工資,賣掉舍不得,不賣扛不住 貸款追高炒黃金的人後悔了!有人一天虧掉6年 寸飛蘭 | 2025-05-05
  • 手機電池突破8000mAh?矽碳技術的回旋镖:「折壽」換容量 手機電池突破8000mAh?矽碳技術的回旋镖:「折 衛青柏 | 2025-05-05
  • 貸款追高炒黃金的人後悔了!有人一天虧掉6年工資,賣掉舍不得,不賣扛不住 貸款追高炒黃金的人後悔了!有人一天虧掉6年 繁綺文 | 2025-05-05
  • 任天堂對Genki提起Switch 2商标侵權訴訟,後者回應稱将嚴肅對待 任天堂對Genki提起Switch 2商标侵權訴訟,後 郜萌運 | 2025-05-05
  • 哪吒汽車APP和官網恢復正常 知情人士:之前斷網因流量欠費 哪吒汽車APP和官網恢復正常 知情人士:之前斷 袁曼雁 | 2025-05-05
  • 極越汽車 CEO 夏一平名下青島/義烏兩家公司被列入經營異常 極越汽車 CEO 夏一平名下青島/義烏兩家公司 集玲琳 | 2025-05-05
  • 全國經濟第一大省明确,推動組建農商聯合銀行 全國經濟第一大省明确,推動組建農商聯合銀行 佼昌翰 | 2025-05-05
  • 桑保利:亞馬爾有配合意識&有點像梅西 姆巴佩更專注進球&更像C羅 桑保利:亞馬爾有配合意識&有點像梅西 姆巴佩 甄正浩 | 2025-05-05
  • 高露現身上海虹橋機場 黑色外套點綴亮色愛心裝飾俏皮亮眼 高露現身上海虹橋機場 黑色外套點綴亮色愛 惠惠君 | 2023-05-02
  • 《歧路旅人2》:向光而生 《歧路旅人2》:向光而生 衛青柏 | 2023-05-02
  • vivo X90S曝光:處理器更新為天玑9200+ 安卓最強芯 vivo X90S曝光:處理器更新為天玑9200+ 安卓最 袁曼雁 | 2023-05-05
  • “懶癌”發病率上升,定期體檢别忽視 “懶癌”發病率上升,定期體檢别忽視 幸聽楓 | 2023-05-02
  • 宋慧喬獲百想視後 韓素希發圖手動加愛心表情慶祝 宋慧喬獲百想視後 韓素希發圖手動加愛心表 賁芳蕤 | 2023-05-02
  • 曹操墓,裡面都有啥? 曹操墓,裡面都有啥? 衛青柏 | 2023-05-02
  • 十年了,他們終于要HE! 十年了,他們終于要HE! 惠惠君 | 2023-05-07
  • 中央部署經濟工作,釋放5大信号 中央部署經濟工作,釋放5大信号 郜萌運 | 2023-05-02
  • 高德上線手機彎道會車預警功能 高德上線手機彎道會車預警功能 習又夏 | 2023-05-02
  • 陳自瑤抱病為愛女做蛋糕慶生,王浩信點贊沒露面 陳自瑤抱病為愛女做蛋糕慶生,王浩信點贊沒露 賁芳蕤 | 2023-05-02
  • 等比例長大的童星,李蘭迪算一個 等比例長大的童星,李蘭迪算一個 郟君昊 | 2023-05-02
  • 這些被抓來做實驗的流浪狗,最終拯救了無數糖尿病人 這些被抓來做實驗的流浪狗,最終拯救了無數糖 集玲琳 | 2023-05-02
  • 高端國產車:軍車血統,目前電動車越野的“天花板”? 高端國產車:軍車血統,目前電動車越野的“天花 謝飛揚 | 2023-05-02
  • 《雲襄傳》終于抬上來啦,男O女A讓人好上頭! 《雲襄傳》終于抬上來啦,男O女A讓人好上頭! 集玲琳 | 2023-05-02
  • 21家A股遊戲公司2022年收入651億 今年“遊戲+AI”能否逆風翻盤? 21家A股遊戲公司2022年收入651億 今年“遊 衛青柏 | 2023-05-04
  • 與周立波夫婦鬧糾紛成老賴,唐爽被司法拘留15日 與周立波夫婦鬧糾紛成老賴,唐爽被司法拘留15 寸飛蘭 | 2023-05-05
  • 信用風險釋放趨緩,結構性風險需重點關注 ——2023年一季度債市信用風險回顧與下階段展望 信用風險釋放趨緩,結構性風險需重點關注 — 袁曼雁 | 2023-05-02
  • 普京籤署總統令,批準對俄刑法典相關法條的修正案 普京籤署總統令,批準對俄刑法典相關法條的修 集玲琳 | 2023-05-02
  • 解除資格!停止一切合作 解除資格!停止一切合作 佼昌翰 | 2023-05-02
  • 中銀證券給予南京銀行增持評級 中銀證券給予南京銀行增持評級 袁曼雁 | 2023-05-03
  • 3699起 聯想小新mini主機上架 13代酷睿标壓處理器 3699起 聯想小新mini主機上架 13代酷睿标壓 習又夏 | 2023-05-05
  • 前董事長被免,天山生物全面進入“中植系”時代?股價曾在一月内暴漲超400% 前董事長被免,天山生物全面進入“中植系”時 惠惠君 | 2023-05-02
  • 瘋成這樣,怎麼還能被全網吹捧? 瘋成這樣,怎麼還能被全網吹捧? 郜萌運 | 2023-05-02
  • 狂吼11次“讓一下”!交警咆哮開道嘶吼到吐 狂吼11次“讓一下”!交警咆哮開道嘶吼到吐 寸飛蘭 | 2023-05-03
  • 摩根大通收購美國第一共和銀行 摩根大通收購美國第一共和銀行 謝飛揚 | 2023-05-02
  • 台劇赢麻了,又來一部8.9 台劇赢麻了,又來一部8.9 衛青柏 | 2023-05-02
  • 下降45分,上漲35分!34所自劃線院校復試分數線漲幅匯總 下降45分,上漲35分!34所自劃線院校復試分數線 袁曼雁 | 2023-05-07
  • 事關農村土地承包和農民權益,《農村土地承包合同管理辦法》5月1日起施行 事關農村土地承包和農民權益,《農村土地承包 郟君昊 | 2023-05-02
  • "三高"已盯上青少年,做好這件事是關鍵 "三高"已盯上青少年,做好這件事是關鍵 習又夏 | 2023-05-05
  • 五一檔沒一個能打的 五一檔沒一個能打的 集玲琳 | 2023-05-05
  • 恐怖韓劇下神壇,這次膽小可入 恐怖韓劇下神壇,這次膽小可入 袁曼雁 | 2023-05-05
  • 這劇是不是用ChatGPT寫的呀? 這劇是不是用ChatGPT寫的呀? 惠惠君 | 2023-05-02
  • 200戶連夜疏散,原因讓人憤怒!“損失超一億”,官方通報 200戶連夜疏散,原因讓人憤怒!“損失超一億”, 袁曼雁 | 2023-05-03
  • 性騷擾慣犯,滾出娛樂圈 性騷擾慣犯,滾出娛樂圈 謝飛揚 | 2023-05-05
  • 48歲何炅自曝已老花眼,黃磊睡前認老,《向往的生活》證實将停辦 48歲何炅自曝已老花眼,黃磊睡前認老,《向往的 佼昌翰 | 2023-05-02
  • 一個《長月燼明》倒了,《狐妖》《長相思》《與鳳行》…在路上了 一個《長月燼明》倒了,《狐妖》《長相思》《 惠惠君 | 2023-05-02
  • 張天愛假期曬“酷”存照 卷發披肩穿黑色吊帶裙大秀好身材 張天愛假期曬“酷”存照 卷發披肩穿黑色吊 嬴覓晴 | 2023-05-02
  • 當年輕人開始不随份子錢 當年輕人開始不随份子錢 袁曼雁 | 2023-05-02
  • 畢滢用8年時間成功逼宮?曾被傳已婚生子的她,不容小觑 畢滢用8年時間成功逼宮?曾被傳已婚生子的她, 幸聽楓 | 2023-05-03
  • 宋慧喬獲視後首次曬照,拿獎杯笑容溫柔 宋慧喬獲視後首次曬照,拿獎杯笑容溫柔 郜萌運 | 2023-05-02

©2022 大酷樂 版權所有

隱私政策 | 服務條款 | 聯繫我們