Video-Language Models Chain-of-Thought Traffic Anomaly Detection Benchmark Dataset
摘要

本文提出了TAR(交通异常推理)及其基准测试TAR-Bench,旨在训练和评估超越简单异常检测的视频-语言模型。TAR包含来自8个公共数据集的3670段监控视频(约26小时),涵盖10个任务的44,040条思维链训练注释。其评估组件TAR-Bench包含80个精选片段的960条人工标注测试数据。研究利用MAVEN将多尺度视频证据整合为结构化事件描述以生成问答对。实验显示,强大的问答准确率并不能可靠预测时序或场景推理能力。在TAR上进行多任务微调使全任务模型的综合得分比零样本基线提高了21.4分。该数据集为AI City Challenge 2026 Track 3提供了官方训练和域内评估数据。

AI 推荐理由

论文核心聚焦于多任务交通异常推理,提供思维链数据与基准,直接评估和提升模型的逻辑推理能力。

研究机构
NVIDIA Santa Clara University
论文信息
作者 Han Zhang, Yilin Zhao, Zaid Pervaiz Bhat, Zheng Tang, Varun Praveen et al.
发布日期 2026-08-10
arXiv ID 2608.10317
相关性评分 9/10 (高度相关)