本研究致力于提高在野外视频中识别 “谁何时说话” 的音视频扬声器分离的准确性，它创建了 AVA 音频 - 视觉扬声器分离（AVA-AVD）数据集和一种称为 AVR-Net 的新方法，通过加入 AVA-AVD 数据集的训练可以在相对较小的数据集上显着提高结果。

Nov, 2021

通过使用声学交通监测，对城市人口的快速增长造成的交通问题进行监控和管理，本研究开发了声学交通监测和车辆类型分类算法的两个开放数据集 MVD 和 MVDA，并提供了一种有效的方法来利用倒谱和谱的本地和全局音频特征以及多输入神经网络来准确分类这些声学信号，实验结果表明，我们的方法提高了前人工作的基线，对 MVD 和 MVDA 数据集的准确率分别达到 91.98% 和 96.66%，最后，我们通过一个 Android 应用程序部署该模型，以方便测试和展示其有效性。

Sep, 2023

提出一种基于异常检测的视频取证方法，通过训练自回归模型使用视频帧和声音的特征集来区分真实视频和人工篡改的视频，具有较强的检测能力。

Jan, 2023

该研究介绍了一个名为 MOVAD 的智能汽车实时系统，它利用只能捕捉器固定摄像头拍摄的视频进行信息提取和到不同时间段的信息关联来及时响应异常情况。该系统包含视频分析技术和短期记忆和长期记忆两个部分，能够在 DoTA 数据集的测试中取得比目前同类技术高 2.81 的准确率。

Feb, 2023

通过使用预先训练的潜在扩散模型修复被屏蔽区域图像，并进一步通过混合来扰动光流以产生时间空间扭曲，提出了一种新的生成通用时空伪异常的方法。此外，通过学习重建质量、时间不规则性和语义不一致性等三种异常指标的简单统一框架，在开放集识别任务下检测现实世界的异常。在 Ped2、Avenue、ShanghaiTech 和 UBnormal 四个 VAD 基准数据集上进行了大量实验，证明我们的方法在 OCC 设置下的性能与其他现有的基于伪异常生成和重建的方法相当。同时我们的分析还检验了伪异常在这些数据集之间的可转移性和普适性，通过识别伪异常从而发现现实世界的异常提供了有价值的见解。

Nov, 2023

自动驾驶中最具挑战性的情景是只能在其时间背景下检测到的情况。本文提出了 HF$^2$-VAD$_{AD}$，它是针对自动驾驶的 HF$^2$-VAD 监控视频异常检测方法的改进。我们从车辆自身的视角学习正常行为的表示，并在罕见和关键的情景中进行像素级异常检测。

Jun, 2024

本文提出了一种基于未监督学习的方法，通过预测交通参与者未来位置并监测三种不同策略的预测准确度和一致性来检测仪表板安装的摄像头视频中的交通事故。实验结果表明，该方法优于最先进的方法。

Mar, 2019

本文介绍了 AVA-ActiveSpeaker 数据集，并提出了一种新的视听方法用于活跃演讲者检测，并分析其性能和数据集的贡献。

Jan, 2019

通过深度学习方法的视频异常检测（VAD）调查，本篇综述探索了传统监督训练范式之外的新兴弱监督、自监督和无监督方法，研究了 VAD 范式中的核心挑战，以及视觉语言模型（VLMs）作为强大的特征提取器在 VAD 中的作用，旨在增强复杂现实场景中异常检测的鲁棒性和效率，并填补现有知识差距，为研究人员提供有价值的见解，为 VAD 研究的未来贡献力量。

May, 2024

通过提供高质量的人工注释，本文提出了一个全新的多模态、多类型和多用途的音频 - 视频学术讲座数据集，旨在支持多种音视频识别和理解任务，从而展示了 M^3AV 数据集的多样性和挑战性。

Mar, 2024