Newest papers

MoG-VLM: Efficient Video Anomaly Detection through Motion-Guided Vision-Language Models

Khaled Waleed Dawoud, Muhammad Zaigham Zaheer, Khan Muhammad, Muhammad Haris Khan · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31478 · open-access PDF

Hindi

दृष्टि-भाषा मॉडल (VLMs) ने वीडियो अनियमितता का पता लगाने के लिए एक मजबूत क्षमता दिखाई है, लेकिन घने फ्रेम-स्तरीय निष्कर्षण उन्हें वास्तविक समय में तैनाती के लिए अप्रभावी बनाता है। मौजूदा त्वरितता आमतौर पर समान नमूने पर निर्भर करती है, जो सामग्री गतिशीलता को अनदेखा करती है और स्टैटिक सेगमेंट पर कंप्यूटिंग बर्बाद कर सकती है या स्थानीय अनियमितताओं को याद कर सकती है। हम MoG-VLM को एक आंदोलन अनुकूलित अनियमितता का पता लगाने के फ्रेमवर्क की पेशकश करते हैं जो केवल एक हल्के नियंत्रण सिग्नल के रूप में आंदोलन का लाभ उठाता है ताकि यह तय किया जा सके कि VLM निष्कर्ष

Machine translation (Meta M2M100); the English original follows.

Abstract

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

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange