:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jung, Seoik, Song, Taekyung, Daniel, Joshua Jordan, Lee, JinYoung, Lee, SungJun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2509.11605
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Car Object Counting and Position Estimation via Extension of the CLIP-EBC Framework
von: Jung, Seoik, et al.
Veröffentlicht: (2025)

Short-Window Sliding Learning for Real-Time Violence Detection via LLM-based Auto-Labeling
von: Jung, Seoik, et al.
Veröffentlicht: (2025)

ComplexVAD: Detecting Interaction Anomalies in Video
von: Mumcu, Furkan, et al.
Veröffentlicht: (2025)

RefineVAD: Semantic-Guided Feature Recalibration for Weakly Supervised Video Anomaly Detection
von: Lee, Junhee, et al.
Veröffentlicht: (2025)

EventVAD: Training-Free Event-Aware Video Anomaly Detection
von: Shao, Yihua, et al.
Veröffentlicht: (2025)

GV-VAD : Exploring Video Generation for Weakly-Supervised Video Anomaly Detection
von: Cai, Suhang, et al.
Veröffentlicht: (2025)

GlanceVAD: Exploring Glance Supervision for Label-efficient Video Anomaly Detection
von: Zhang, Huaxin, et al.
Veröffentlicht: (2024)

HeadHunt-VAD: Hunting Robust Anomaly-Sensitive Heads in MLLM for Tuning-Free Video Anomaly Detection
von: Cai, Zhaolin, et al.
Veröffentlicht: (2025)

Bounding-Box Trajectories Matter for Video Anomaly Detection
von: Song, Inpyo, et al.
Veröffentlicht: (2026)

ProDisc-VAD: An Efficient System for Weakly-Supervised Anomaly Detection in Video Surveillance Applications
von: Zhu, Tao, et al.
Veröffentlicht: (2025)

SphereVAD: Training-Free Video Anomaly Detection via Geodesic Inference on the Unit Hypersphere
von: Huang, Chao, et al.
Veröffentlicht: (2026)

HyCoVAD: A Hybrid SSL-LLM Model for Complex Video Anomaly Detection
von: Hemmatyar, Mohammad Mahdi, et al.
Veröffentlicht: (2025)

Holmes-VAD: Towards Unbiased and Explainable Video Anomaly Detection via Multi-modal LLM
von: Zhang, Huaxin, et al.
Veröffentlicht: (2024)

Continual-MEGA: A Large-scale Benchmark for Generalizable Continual Anomaly Detection
von: Lee, Geonu, et al.
Veröffentlicht: (2025)

CoReVAD: A Contextual Reasoning Framework for Training-Free Video Anomaly Detection
von: Lim, Hyeongmuk, et al.
Veröffentlicht: (2026)

VAD4Space: Visual Anomaly Detection for Planetary Surface Imagery
von: Genilotti, Fabrizio, et al.
Veröffentlicht: (2026)

Distributional Uncertainty for Out-of-Distribution Detection
von: Kim, JinYoung, et al.
Veröffentlicht: (2025)

Instance-Aligned Captions for Explainable Video Anomaly Detection
von: Song, Inpyo, et al.
Veröffentlicht: (2026)

GridVAD: Open-Set Video Anomaly Detection via Spatial Reasoning over Stratified Frame Grids
von: Eltahir, Mohamed, et al.
Veröffentlicht: (2026)

AnyAnomaly: Zero-Shot Customizable Video Anomaly Detection with LVLM
von: Ahn, Sunghyun, et al.
Veröffentlicht: (2025)

SlowFastVAD: Video Anomaly Detection via Integrating Simple Detector and RAG-Enhanced Vision-Language Model
von: Ding, Zongcan, et al.
Veröffentlicht: (2025)

HiProbe-VAD: Video Anomaly Detection via Hidden States Probing in Tuning-Free Multimodal LLMs
von: Cai, Zhaolin, et al.
Veröffentlicht: (2025)

UniVAD: A Training-free Unified Model for Few-shot Visual Anomaly Detection
von: Gu, Zhaopeng, et al.
Veröffentlicht: (2024)

Cross Pseudo Labeling For Weakly Supervised Video Anomaly Detection
von: Lee, Dayeon, et al.
Veröffentlicht: (2026)

Towards Video Anomaly Retrieval from Video Anomaly Detection: New Benchmarks and Model
von: Wu, Peng, et al.
Veröffentlicht: (2023)

Rethinking Metrics and Benchmarks of Video Anomaly Detection
von: Liu, Zihao, et al.
Veröffentlicht: (2025)

Learn Suspected Anomalies from Event Prompts for Video Anomaly Detection
von: Tao, Chenchen, et al.
Veröffentlicht: (2024)

DAMS:Dual-Branch Adaptive Multiscale Spatiotemporal Framework for Video Anomaly Detection
von: An, Dezhi, et al.
Veröffentlicht: (2025)

Normal and Abnormal Pathology Knowledge-Augmented Vision-Language Model for Anomaly Detection in Pathology Images
von: Song, Jinsol, et al.
Veröffentlicht: (2025)

Pathology-Informed Latent Diffusion Model for Anomaly Detection in Lymph Node Metastasis
von: Wang, Jiamu, et al.
Veröffentlicht: (2025)

Addressing Negative Transfer in Diffusion Models
von: Go, Hyojun, et al.
Veröffentlicht: (2023)

VideoPatchCore: An Effective Method to Memorize Normality for Video Anomaly Detection
von: Ahn, Sunghyun, et al.
Veröffentlicht: (2024)

ASBench: Image Anomalies Synthesis Benchmark for Anomaly Detection
von: Zhang, Qunyi, et al.
Veröffentlicht: (2025)

Knowledge-Guided Textual Reasoning for Explainable Video Anomaly Detection via LLMs
von: Lee, Hari
Veröffentlicht: (2025)

Anomaly Detection for People with Visual Impairments Using an Egocentric 360-Degree Camera
von: Song, Inpyo, et al.
Veröffentlicht: (2024)

AF-CLIP: Zero-Shot Anomaly Detection via Anomaly-Focused CLIP Adaptation
von: Fang, Qingqing, et al.
Veröffentlicht: (2025)

Self-Refining Video Sampling
von: Jang, Sangwon, et al.
Veröffentlicht: (2026)

Follow the Rules: Reasoning for Video Anomaly Detection with Large Language Models
von: Yang, Yuchen, et al.
Veröffentlicht: (2024)

Dual Conditioned Motion Diffusion for Pose-Based Video Anomaly Detection
von: Wang, Hongsong, et al.
Veröffentlicht: (2024)

Flashback: Memory-Driven Zero-shot, Real-time Video Anomaly Detection
von: Lee, Hyogun, et al.
Veröffentlicht: (2025)