高世钊

既有重复计数方法默认单个视频内周期固定。真实动作会在序列中途加速或减速，这个假设恰恰在最需要准确计数的地方失效；同时多数方法还依赖密集的计数标注。

周期自适应的多尺度时序循环一致性，配合动作相似性目标，从无标注骨架序列中学习重复结构；再由多专家共识流程把学到的结构转换为计数结果。

成果发表于 CVPR 2026 Findings，并获 CVPR Compute Gold Star。我主导了问题定义、方法设计、完整 PyTorch 实现、全部实验与消融分析及论文撰写。

VideoLLM 评测普遍采用密集或固定预算抽帧，却没人验证这些帧是否充分——结果是难度差异极大的问题，算力却被均匀地平摊了。

在 1,336 个 LongVideoBench 验证样本上，对 Qwen2.5-VL 与 LLaVA-Video 度量最小充分帧集，并设计视觉 Token Masking、答案选项评分与嵌套置信度路由——只把不确定的样本升级到更大的帧预算。

以可复现工程包交付：模型适配器、自动化测试、CI、脱敏实验产物与完整的数据/许可证说明。跨模型未迁移的结论与正面结果同等醒目地呈现——适用边界本身就是一个发现，而不是一次失败。

骨架动作表示与相机坐标系纠缠在一起，视角一变识别性能就下降；而多人异常检测通常孤立地评估每个人，丢掉了真正定义"异常"的社会情境。

用重力感知的视角解耦与自适应特征调制，剥离相机依赖同时保留动作语义；并对人与人之间的依赖关系做门控动态建模，让社会情境参与异常判定。

两条方法路线形成两篇 AAAI 2027 投稿，均为独立一作。