Khaled Waleed Dawoud, Muhammad Zaigham Zaheer, Khan Muhammad, Muhammad Haris Khan · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31478 · open-access PDF
Los modelos de lenguaje de visión (VLM) han demostrado un fuerte potencial para la detección de anomalías de vídeo, pero la inferencia densa a nivel de cuadro los hace impracticables para la implementación en tiempo real. La aceleración existente suele depender de la muestreo uniforme, que ignora la dinámica del contenido y puede o bien desperdiciar la computación en segmentos estáticos o perder anomalías localizadas. Proponemos MoG-VLM un marco de detección de anomalías adaptativas al movimiento que aprovecha el movimiento puramente como una señal de control ligera para decidir cuándo es necesaria la inferencia de VLM.
Machine translation (Meta M2M100); the English original follows.
Vision-Language Models (VLMs) have shown strong potential for video anomaly detection, but dense frame-level inference makes them impractical for real-time deployment. Existing acceleration commonly relies on uniform sampling, which ignores content dynamics and can either waste computation on static segments or miss localized anomalies. We propose MoG-VLM a motion-adaptive anomaly detection framework that leverages motion purely as a lightweight control signal to decide when VLM inference is necessary. To this end, we introduce Temporal Gradient Magnitude (TGM) which performs content-aware sam
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31478, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange