O-VAD: Industrial Video Anomaly Detection through Object-Centric Tracking and Reasoning

• 类型：arxiv
• 标识：2607.18142
• 链接：https://arxiv.org/abs/2607.18142
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar
• S2被引：0
• 影响力被引：0
• TLDR：This work introduces a training-free agentic framework for anomaly detection free of domain-specific knowledge, designed to track spatial-temporal dynamics and underlying transformations of detected objects over time, and then reason over the object-wise temporal state trajectories to identify abnormal objects in grounded frames.
• 待LLM分类：否
• 标题中文：O-VAD: 基于以对象为中心的跟踪与推理的工业视频异常检测
• TLDR中文：该工作提出一个面向异常检测的免训练 agentic 框架，无需领域特定知识，旨在追踪被检测对象随时间变化的空间-时间动态与底层变换，然后基于逐对象的时间状态轨迹进行推理，在 grounding 帧中识别异常对象。
• 来源文件：
• /inbox/tom/_candidates/2026-07-28-rag-retrieval-reranking-candidates.json
• /inbox/tom/_candidates/2026-07-28-agent-rag-longcontext-candidates.json
• [S2 enrich]