X-VAD：基于光流运动学描述符的可解释视频异常检测与警报报告方法

《Sensors》：X-VAD: Video Anomaly Detection with Kinematic Explanations

　　异常分数本身并不能描述异常运动。X-VAD 通过来自 SEA-RAFT 光流的 13 个单元格级运动学描述符将评分与报告关联起来。这些描述符描述速度、方向、流变化和时间变化。每个向量都与同一单元格的正常训练观测值进行比较。四个最高的校准单元格分数取平均值以获得帧分数。无需基于梯度的异常评分器训练。基于规则的警报报告可识别区域、描述符偏差和最接近的正常参考。YOLO-World 在不改变分数的情况下增加物体上下文。微平均接收者操作特征曲线下面积（AUROC）在 UCSD Ped2、CUHK Avenue 和 IITB-Corridor 上分别达到 85.78%、84.42% 和 75.43%。在 0.85 阈值下，所有存储的测试分数的真正阳性率分别为 87.69%、90.78% 和 62.73%。对应的假阳性率分别为 41.46%、46.32% 和 26.53%。运行时测量使用 NVIDIA A100-SXM4-40GB，批量大小为 1。平均分数可用时间为每帧对 50.0、50.6 和 82.6 毫秒，不包括帧读取。报告生成（包括 YOLO-World 推理）平均每帧警报额外增加 16.3–18.3 毫秒。不包括可视化和通知投递。IITB-Corridor 的 AUROC 接近 VideoPatchCore 的 76.4%。X-VAD 提供了可检查的运动报告，尽管其 AUROC 在 Ped2 上落后于 SETJiP（99.3%），在 Avenue 上落后于 AI-VAD（93.7%）。