ReactVAU：一种用于流媒体视频异常理解的慢速解耦框架

在本文中，我们提出了 ReactVAU，一种用于实时流视频异常理解（VAU）的慢速解耦框架。现有的 VAU 方法依赖于全局时间采样的离线推理，这违反了因果关系并妨碍了在实时监控流中的部署。相反，一般的流视频模型满足因果访问，但会淡化内存压缩期间罕见的瞬态异常，并且通常在较长的正常间隔内统一调用重量级 MLLM。 React VAU 通过三个协同组件解决了这一差距：基于空间网格折叠（SGF）的轻量级快速检测模块，用于连续异常过滤；异常感知持久内存（AAPM），可保护关键视觉线索免受时间衰减；重量级慢推理模块在正常流期间保持休眠状态，仅被可疑事件唤醒以进行语义验证和因果描述。对多个基准的大量实验表明，ReactVAU 在严格的流约束下运行，同时在异常检测和因果推理方面实现了有竞争力的性能，同时通过最小化重量级 MLLM 调用显着提高了计算效率。项目页面位于 https://huiyuiui.github.io/ReactVAU/