SAAF：信号感知自适应融合实现高效零样本视频异常检测

SAAF 以双信号采样和级联架构实现低成本零样本视频异常检测。

资讯摘要

论文提出 Signal-Aware Adaptive Fusion（SAAF）框架，用于零样本视频异常检测。该方法在语义嵌入空间用 delta 信号与 drift 信号做自适应采样，并以 OR 门控和自适应 EMA 阈值组合；同时采用阈值门控的级联架构，先做轻量帧级打分，仅在需要时调用视频级时序分析，并按触发信号动态加权融合分数。作者报告在四个基准上以更低成本取得有竞争力的精度。

要点速读

1. 双信号自适应采样：delta 信号用帧间余弦距离捕捉突变，drift 信号用偏离滚动时序上下文检测静态与渐变异常，OR 门控结合自适应 EMA 阈值，无需训练数据。
2. 阈值门控级联架构：轻量帧级打分在前，仅在置信度需要更多上下文时才调用昂贵的视频级时序分析。
3. 作者报告在 XD-Violence、MSAD、ShanghaiTech 上分别达到 92.07%、86.70%、80.54% AUC-ROC，其中前两者超过监督基线；吞吐为 44.95、48.61、41.06 FPS，较此前最佳零样本方法提升 2.43×、2.63×、2.22×。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。