China University of Geosciences

视频异常理解长期沿用固定观测：模型先拿到一批抽样帧或聚类事件，再据此判断异常，推理开始后无法回头补找缺失证据。SEEK-VAU把这一过程改成有预算上限的智能体搜索与验证，让策略沿前兆、触发、后果三段事件链主动取证，并在收尾前自检证据是否充分。在自建的SEEK-Bench上，它以Qwen3-VL-8B为基座取得55.6时间mIoU、45.5问答准确率和43.7证据F1，而固定观测的Qwen3-VL基线分别为44.2、37.7和28.1。

视频异常理解长期沿用固定观测：模型先拿到一批抽样帧或聚类事件，再据此判断异常，推理开始后无法回头补找缺失证据。SEEK-VAU把这一过程改成有预算上限的智能体搜索与验证，让策略沿前兆、触发、后果三段事件链主动取证，并在收尾前自检证据是否充分。在自建的SEEK-Bench上，它以Qwen3-VL-8B为基座取得55.6时间mIoU、45.5问答准确率和43.7证据F1，而固定观测的Qwen3-VL基线分别为44.2、37.7和28.1。

在约 1 厘米天底地面采样距离的五方向无人机倾斜摄影数据上，MV-PVMapper 把冻结的视觉基础模型 SAM 3 与摄影测量几何结合起来，无需任务专用标注或权重更新即可输出带地理坐标的单块组件多边形。三个在运屋顶光伏电站共 7711 块参考组件，两轮反馈后匹配 7710 块，IoU 0.5 下无误检；宏平均 AJI 为 97.55%，正交影像分割基线为 60.73%，多视图像素投票基线为 41.24%。

在约 1 厘米天底地面采样距离的五方向无人机倾斜摄影数据上，MV-PVMapper 把冻结的视觉基础模型 SAM 3 与摄影测量几何结合起来，无需任务专用标注或权重更新即可输出带地理坐标的单块组件多边形。三个在运屋顶光伏电站共 7711 块参考组件，两轮反馈后匹配 7710 块，IoU 0.5 下无误检；宏平均 AJI 为 97.55%，正交影像分割基线为 60.73%，多视图像素投票基线为 41.24%。