表示——可解释的弱监督视频异常检测的行为对齐

多模态大语言模型 (MLLM) 提供了一种自然的方式来使视频异常检测更易于解释。然而，他们的最终决策并不总是充分利用其隐藏状态中包含的歧视性信息，我们将这个问题称为表征行为失调。我们将这个间隙分解为一个容量分量，用于测量从未聚合到读出位置的判别信息，以及一个方向分量，用于测量该位置处的最佳轴和本地正常-异常轴之间的角度不匹配。在多个视频异常检测基准和MLLM骨干模型中，方向分量占主导地位，残余流跟踪表明，本机轴可分离性在几个中后期注意层中急剧上升。因为这两个组件都是由注意力而不是 MLP 更新来控制，所以我们提出了表示-行为对齐（RBA），这是一种参数高效方法，它仅使用视频级标签来调整这些层，同时更新大约 0.012% 的骨干模型参数。三个基准测试的实验表明，RBA 提高了本机读出性能，并更好地将模型的决策方向与判别性表示保持一致，并且它通过单个生成过程生成异常决策和解释。