协作学习的隐私异常检测 (CLAP)：一种新的无监督视频异常检测基准
内容提要
本文介绍了多种视频异常检测方法，包括基于生成合作学习的无监督检测、隐私感知框架TeD-SPAD、伪标签生成框架，以及结合大语言模型的LAVAD方法。这些方法在多个数据集上表现出色，提高了异常检测的准确性和效率，并平衡了标注成本与性能。此外，研究还提出了新的数据集NWPU Campus和多种创新技术，推动了视频异常检测领域的发展。
延伸解读
无监督与弱监督方法的技术路线差异
文章对比了无监督和弱监督视频异常检测的不同思路。无监督方法如生成合作学习，利用异常低频特性，通过生成器与判别器交叉监督实现协同训练，无需任何标注。弱监督方法则依赖视频级标签，如VadCLIP和AnomalyCLIP，利用CLIP等视觉-语言模型进行特征表示和异常评分。两者在标注成本和性能上各有取舍，读者可根据实际场景的标注资源选择合适路线。
隐私保护与检测性能的平衡策略
TeD-SPAD框架通过自学习方式销毁视觉私人信息，在隐私保护和异常检测性能之间实现了正面权衡。这提示我们，在监控视频分析中，隐私保护并非必然以牺牲检测精度为代价。对于涉及敏感数据的应用，可以借鉴这种隐私感知设计，在模型训练阶段主动去除私人信息，同时保持对异常事件的识别能力。
标注成本与性能的权衡：glance annotation
glance annotation是一种新型标注范式，通过在异常事件中添加随机帧来平衡检测准确性和标注成本。实验表明，该方法在UCF-Crime和XD-Violence数据集上能在标注成本和模型性能之间取得卓越平衡。对于实际部署，这意味着无需密集标注所有异常帧，仅需少量随机帧即可训练出有效的区段级检测器，显著降低人工成本。
大语言模型在视频异常检测中的新应用
LAVAD方法利用预训练大语言模型和视觉-语言模型，通过生成视频文字描述进行异常检测，无需任何训练或数据收集，在UCF-Crime和XD-Violence上优于无监督和单类方法。这展示了跨模态知识迁移的潜力，但需注意其依赖生成描述的质量，且可能对复杂场景的泛化能力有限。读者可关注其启动机制和跨模态相似度清理策略。
Q&A
什么是基于生成合作学习的无监督视频异常检测方法？
该方法通过生成器和判别器的交叉监督实现协同训练，利用异常出现频率低的特点进行无监督学习。
TeD-SPAD框架如何实现隐私保护与异常检测性能的平衡？
TeD-SPAD通过自学习销毁视觉私人信息，确保隐私保护的同时维持异常检测的性能。
LAVAD方法的主要创新点是什么？
LAVAD结合大语言模型和视觉-语言模型，通过生成视频描述来进行异常检测，表现优于无监督和单类方法。
什么是“glance annotation”标注范式，它有什么优势？
“glance annotation”通过添加随机帧来平衡异常检测的准确性和标注成本，提升了标注效率。
NWPU Campus数据集的特点是什么？
NWPU Campus是一个新的综合数据集，用于同时检测和预测异常事件，具有最先进的性能。
VadCLIP方法的优势是什么？
VadCLIP利用对比式语言-图像预训练模型设计鲁棒的视频异常检测器，表现超越其他方法，无需预训练和微调。
