StreamVAD：面向多时间尺度视频异常检测的渐进式上下文集成流式框架

本文提出StreamVAD，一种创新的流式视频异常检测（VAD）框架，通过关键片段生成器（KCG）减少冗余计算，采用渐进式上下文集成（PCI）模块实现低延迟长时序建模，并结合多时序尺度选择（MTS）策略动态适应不同时长异常检测，显著提升了复杂场景下的检测效率与敏感性。

　　

亮点

• 我们开发了一种轻量级流式视频异常检测（VAD）框架，能够以低延迟捕获短期和长期异常行为，显著降低计算成本的同时保持尺度敏感性。

• 我们设计了一个关键片段生成器（Key Clip Generator, KCG），通过测量局部相似性变化来选择语义信息丰富且时序连贯的片段，有效减少冗余并聚焦于有意义的计算段。

• 我们提出一种渐进式上下文集成（Progressive Context Integration, PCI）机制，通过记忆感知注意力逐步聚合时序信息，无需全序列输入即可实现高效长程推理，增强复杂异常检测能力。

• 我们引入多时序尺度选择（Multi-temporal Scale Selection, MTS）模块，动态调整特征整合的时间分辨率，使模型能够灵活捕捉不同持续时间的异常，同时减少不必要的计算。

• 在UCF-Crime、XD-Violence和一个长期异常数据集上的实验表明，StreamVAD以更少的参数和更低的延迟实现高效异常检测，尤其在长时行为建模方面表现出强大潜力。

结论

我们提出StreamVAD，一个轻量级且兼容流式处理的多时间尺度视频异常检测框架。为解决传统预处理流程中的数据冗余和噪声问题，我们设计了关键片段生成器（KCG），基于时间相似性自适应筛选输入，确保语义完整性和时序连续性。为在流式约束下实现高效长程推理，我们引入渐进式上下文集成（PCI）模块……