来自北京大学，清华大学的研究团队联手京东（JD.com）在 ACM MM 2025 发表了一种以事件为中心低成本高效的 Training-Free 视频异常检测框架 EventVAD，论文第一作者邵轶骅目前为北京大学学术访问学生，项目负责人为来自京东 （JD.com）的算法研究员马傲，目前代码和数据已全面开源。 现有视频异常检测（Video Anomaly Detection, VAD）方法中，有监督方法依赖大量领域内训练数据，对未见过的异常场景泛 化能力薄弱；而无需训练的方法虽借助大语言模型（LLMs）的世界知识实现检测，但存在细粒度视觉时序定位不足、事件 理解不连贯、模型参数冗余等问题。 为此，来自北大、清华和京东（JD.com）的研究团队提出了一种全新的视频异常检测框架 ——EventVAD。该框架通过动态 图架构与多模态大模型（MLLMs）的时序事件推理结合，在减少模型参数的同时，显著提升了异常检测的精度和效率。实验 结果显示，EventVAD 在 UCF-Crime 和 XD-Violence 两大数据集上均超越现有 SOTA 方法，成为无需训练场景下的新标杆。 论文标题：EventVAD: Tra ...