arXiv · 多模态、视频与世界模型· Sindhuja Penchala·2026-09-30 23:52· 3 天前AI 评分35

多模态学习能否通过事发前行为线索预判暴力？

Can We Anticipate Violence? Multimodal Learning from Pre-Incident Behavioral Cues

AI 导读

研究基于 XD-Violence 的 443 个样本，利用面部区域外观、时间对齐音频和人体运动特征，在排除事件本身的前提下识别暴力发生前的短时风险。对 Swin-Tiny、ViT-Tiny 和 DeiT-Tiny 的消融实验显示，多模态组合效果更好。