知识卡片：超越危险相似性：对比事件裁定用于免训练视频异常检测

英文标题：Beyond Hazard Resemblance: Contrastive Event Adjudication for Training-Free Video Anomaly Detection
英文关键词：Video Anomaly Detection; Training-Free; Contrastive Event Adjudication; Falsifiable Event Hypotheses; Pretrained Models; Temporal Localization
原始来源：https://arxiv.org/abs/2608.09908v1

一句话结论

CEAVAD 将视频异常检测的判断单位从“孤立异常概念”改为“可证伪的事件假设”，通过让“危险解释”与“良性解释”在视频证据面前相互竞争，无需目标域训练即可建立推理时的异常决策边界；在三个广泛使用的 VAD 基准上，该方法达到免训练范式下的最优性能。

事件概述或研究问题

视频异常检测（Video Anomaly Detection, VAD）要识别并在时间上定位视频中的异常事件。监督方法需要大量目标域标注数据来学习异常决策边界。已有的免训练方法借助预训练模型的语义知识和推理能力来解读视觉内容，但这些能力本身并不直接给出异常判定标准：模型能生成更丰富的异常描述，可能只是“更像危险”，并不等于判定“是否异常”。因此，核心研究问题是：如何把预训练模型的语义知识转化为可操作的异常判定边界。

方法/产品要点

核心思路：以可证伪的事件假设为推理单位，用竞争性解释之间的裁定来替代单一异常概念的相似度匹配。
构建危险-良性事件对比：利用公共安全知识，将每种“危险机制”分别配对一个“通用正常解释”和一个“该机制对应的良性对照”。
生成对比边界提议：判断目标时间段更支持危险解释还是其良性竞争者，得到可修订的对比式边界提议。
事件裁定：在竞争性解释之间进行裁定，判断“危险假设”是否在视频证据下成立/存续，从而支持时间定位的异常检测，并输出基于证据的解释。

主要结果或产业意义

主要结果：在三个广泛使用的视频异常检测基准上，CEAVAD 在免训练范式中达到当前最优性能（具体基准名称与指标待核实）。
产业意义：免训练方式有望减少对目标域异常标注数据的依赖，对视频监控、公共安全等场景有一定想象空间；但材料未提供部署成本、误报率等落地细节，实际产业价值待核实。

为什么重要

指出现有免训练方法的盲点：更强的异常描述不必然解决“异常性判定”问题。
提出一种概念上的新策略：不直接定义什么是异常，而是让“危险解释”和“良性解释”在具体视频证据前竞争、被裁定。
与既有相关卡片的关系：已有卡片中没有视频异常检测卡片；本条是在“免训练基础模型视频理解”脉络上的新增分支。与 StoryTeller 的长篇音频描述不同，CEAVAD 关注异常事件的时间定位与证据化判定；与 SOAP/Muon、语义Pareto-DQN 分属不同任务，无直接延续关系。

局限与不确定性

以下内容在摘要中未给出，均待核实：

三个 VAD 基准的具体名称、评估指标、数值结果。
与监督方法、其他免训练方法的详细性能对比。
“公共安全知识”的构建方式，是否依赖人工知识模板或外部知识库。
“可修订对比边界提议”与“裁定”的具体算法实现和推理计算开销。
对场景偏移、遮挡、多异常共现等实际问题的稳健性。

可用于图书/PPT/简报的角度

标题式角度：危险相似 ≠ 异常：免训练视频异常检测的对比裁决。
问题式角度：为什么“更丰富的异常描述”不能代替“异常判定标准”？
方法式角度：用可证伪的事件假设和竞争性解释，在推理时划定异常边界。
应用式角度：视频监控与公共安全中减少标注依赖的免训练异常检测（具体效果需以论文实验为准）。

原始材料

英文标题：Beyond Hazard Resemblance: Contrastive Event Adjudication for Training-Free Video Anomaly Detection
arXiv ID：2608.09908v1
作者：Wenti Yin, Xiang Wang, Huaxin Zhang, Hanqing Wang, Hongbo Shao, Changxin Gao, Nong Sang
发布/更新：2026-08-10（来源页面显示发布时间与更新时间相同）
分类：cs.CV
URL：https://arxiv.org/abs/2608.09908v1
PDF：https://arxiv.org/pdf/2608.09908v1
摘要原文（英文）：Video anomaly detection (VAD) aims to identify and temporally localize abnormal events in videos. Supervised methods learn anomaly decision boundaries from target-domain annotations but require substantial in-domain data. Existing training-free methods leverage the rich semantic knowledge and reasoning capabilities of pretrained models to interpret visual content, yet these capabilities do not directly define an anomaly decision criterion: richer anomaly descriptions better capture hazard resemblance without resolving abnormality. To this end, we propose Contrastive Event Adjudication for training-free Video Anomaly Detection (CEAVAD), which shifts the unit of inference from isolated anomaly concepts to falsifiable event hypotheses and establishes an inference-time explanatory boundary through the interaction between competing explanations and video evidence. Specifically, CEAVAD first uses public-safety knowledge to construct hazard-benign event contrasts, pairing each hazard mechanism with a generic normal account and a mechanism-specific benign counterpart. It then determines whether the target interval better supports a hazard explanation or its benign competitor, yielding a revisable contrastive boundary proposal for the target. Finally, CEAVAD adjudicates between the competing explanations to determine whether the hazard hypothesis survives the video evidence, supporting both temporally localized anomaly detection and evidence-grounded explanations. Experiments on three widely used VAD benchmarks demonstrate that CEAVAD achieves state-of-the-art performance under the training-free paradigm.