本文探讨视频动作检测中的数据集质量，提出了多演员多行为（MAMA）数据集，并研究了时间关系对视频数据集的影响。研究强调视频异常检测（VAD）需扩展至复杂异常，介绍了新数据集HMDB-AD和HMDB-Violence，以及基于AI-VAD框架的多帧异常检测方法（MFAD），实验结果显示MFAD在复杂异常检测中表现优异。

视频异常检测（VAD）在监控系统中至关重要，旨在识别各种异常。当前研究主要集中于简单的单帧异常，限制了模型的进展。本文提出了两个新数据集HMDB-AD和HMDB-Violence，以挑战复杂异常检测。引入的多帧异常检测方法（MFAD）结合深度视频编码特征，显著提升了检测性能，实验结果验证了其有效性。

该文综述视频异常检测研究，涵盖基于深度神经网络、扩散模型伪异常生成、开放词汇检测及大型语言模型等方法，并介绍HMDB-AD等新数据集与多帧异常检测框架，指出当前基准偏重单帧简单异常，呼吁拓展复杂异常研究。