这篇论文是第二篇开放词汇视频异常检测（OVVAD）的论文。其实第一篇OVVAD的论文做的方法很简单，但是之所以能投CVPR，是因为提出了OVVAD这个任务。这篇论文没有“第一个提出”这块招牌，也就是说它得在方法上下功夫，才能中CVPR。（就是说检测不到新类）和（就是说无法把新类异常归类），这两个挑战其实也就是OVVAD的两个核心挑战。而论文的创新是引入了“文本增强的双流机制”，我会在后面解释这个机

一篇将视觉强化微调的各种方法总结起来的综述被提出来了，这篇综述将对图像的思考分成了两种：Think About Image 和 Think With Image。前者仅仅是把图像静态输入给大模型，作为一次上下文；后者是动态输入图片，类似看 - 想 - 看的迭代式思考。近两年来，强化微调已经火得不像话了，相关论文每个月就有好几篇挂在 Arxiv 上，看都看不过来。

多半是环境的问题，最主要的是 python 版本要高。

假设你有两个高斯分布，这两个分布观测同一个量。举个例子，你是一个数学家，你家里有两个温度计用来测室温。你知道这两只温度计都不太准，但都服从高斯分布。他们测出来的值分别是，方差分别是。所以你每次计算真正室温时，是通过某种方式，将这两个测量值结合起来看的。那么怎么结合呢？

【代码】解决：cannot import name ‘AutoModel‘ from ‘modelscope‘