CaC：基于VLM的视频异常奖励模型

论文作者（Jiyuan Wang 等）提出 Concentrate and Concentrate（CaC），一种基于视觉语言模型的由粗到细视频异常奖励模型，论文已被 NeurIPS 2026 接收。该方法先全局时间扫描锚定异常时间窗，再在区间内做细粒度空间定位，最后通过结构化时空 Chain-of-Thought 推理给出判断。 为训练该模型，作者构建了首个大规模生成式视频异常数据集，包含逐帧边界框标注、时间异常窗口和细粒度属性标签，并配套三阶段训练范式。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。