本研究提出了一种名为PI-VAD的框架，用于弱监督视频异常检测。通过引入五种附加模态来增强RGB特征，从而提高异常检测的可靠性。PI-VAD在多个数据集上表现出色，展示了有效整合多模态信息的潜力。

本研究提出了一种基于高斯混合模型的聚类方法，用于解决视频异常检测中的空间上下文建模问题。该方法有效减少了模型参数，并在街景数据集上取得了优异表现，同时生成了解释性正常性图。

本研究提出了一种新方法，结合大语言模型与视觉语言模型，解决视频异常检测中的可解释性和时间推理挑战，提升检测能力，推动少样本和零样本检测应用。

本文探讨了计算机视觉中异常图像识别与分类的方法，提出了基于人类实验数据的分类法和计算模型，并建立了异常图像数据集。研究还涉及无监督生成模型在数字病理学中的应用、基于文本生成高质量人类图像的框架、视频异常检测方法，以及数据增强技术在视觉任务中的重要性，旨在提升视觉系统的性能与准确性。

智能城市中监控摄像头的普及引发了隐私问题，推动了视频异常检测的研究。通过深度学习和边缘计算，该领域取得了显著进展。本文概述了检测方法、框架及应用场景，并展示了工业物联网的研究成果，提供了端到云架构以支持系统部署，同时展望了未来的发展趋势和应用潜力。

本研究通过构建相似性图和引入可学习的图融合运算符，解决多模态特征融合中结构关系不足的问题。该方法在低维图空间中有效融合不同特征关系，在视频异常检测等任务中表现出色，展示了其跨多领域的融合能力。

本文针对视频异常检测中模型泛化不足的问题，提出了运动引导记忆模块，实现了零样本跨数据集验证。通过模糊化生成伪异常，提高了正常与异常动作的差异。实验结果表明，该方法在三个基准数据集上优于现有跨领域方法。

视频异常检测（VAD）在监控系统中起关键作用，但现有模型对复杂异常的识别有限。研究引入了两个数据集和一种新方法MFAD，利用多帧特征和逻辑回归来提高异常检测性能。实验结果证实了该方法在简单和复杂场景中的出色表现。

本研究提出了解耦架构DecoAD，解决了未知场景下难以检测人类视频异常的问题。研究结果显示DecoAD在复杂行为和场景理解方面准确性明显提高，具有广泛应用潜力。

华科、百度和密歇根大学的研究团队提出了Holmes-VAD视频异常检测框架，能够准确定位和分析视频中的异常情况。他们构建了VAD-Instruct50k数据集，用于多模态VAD指令微调。Holmes-VAD利用时序监督和多模态指令实现准确的异常定位和全面的解释，表现优于之前的方法。该框架在监控视频安全分析和视频生成内容检验等领域有广泛应用前景。

视频异常检测（VAD）在监控系统中起关键作用，但现有模型对复杂异常的识别有限。研究引入了两个数据集和一种新方法MFAD，利用多帧特征和逻辑回归提高异常分数计算。实验证实了该方法在简单和复杂异常检测中的出色表现。

介绍了AnomalyCLIP方法，结合大语言和视觉模型与多实例学习，用于联合视频异常检测和分类。通过操纵CLIP特征空间识别正常事件子空间，并引入高效的Transformer架构建模帧之间的时序依赖关系。在三个主要的异常检测基准测试中，AnomalyCLIP优于基准线方法。

视频异常检测（VAD）在监控系统中起关键作用，但现有基准数据集限制了VAD模型的发展。本研究引入了两个数据集，挑战模型对多样化异常的识别。同时，提出了一种新方法MFAD，利用多帧特征和逻辑回归增强异常分数计算。实验证实了该方法在简单和复杂异常检测场景中的出色表现。

该文介绍了一种基于骨架序列的视频异常检测方法，采用多任务学习实现轨迹的外推和插值，采用基于注意力的编码器-解码器模型，在三个数据集上进行了实验证明了该方法的有效性。

该文介绍了一种基于帧预测的视频异常检测方法，采用了Multi-path ConvGRU网络，引入了噪声容忍损失来减轻背景噪声造成的干扰。实验结果表明，在CUHK Avenue、ShanghaiTech Campus和UCSD Pedestrian数据集上表现更好，尤其在CUHK Avenue数据集上获得了88.3％的帧级AUROC分数。

该研究提出了一种名为MFAD的视频异常检测方法，利用单帧特征和双帧特征，应用密度估计算法计算异常分数。研究者添加了深度视频编码特征和逻辑回归以增强最终分数计算。实验结果证实了该方法的有效性。

本文提出了一种弱监督视频异常检测框架，实现了高效上下文建模和增强语义可区分性，实验结果表明在三个具有挑战性的数据集上实现了竞争性的性能，某些异常子类的检测准确率也得到了极大的提高。

本文提出了一种基于先验知识引导的网络 (PKG-Net) 来解决视频异常检测 (VAD) 任务。该方法通过将自编码器网络与两个指定的代理任务相结合，提供了更好的未知样本泛化能力，并对适当特征块进行知识蒸馏，以增加模型的多尺度检测能力。实验结果表明，该方法在三个公开基准上验证了其有效性和准确性，超过了最近的最先进方法。

该研究综述了视频异常检测中的“分而治之”策略，并提出了一种新方法，将人体骨架框架与视频数据分析技术相结合，实现了最先进的性能，超过了所有现有的先进方法。