TrajMind: Chaining Role-Specialized LoRAs for Fast-and-Slow Collective Trajectory Anomaly Diagnosis
TrajMind 提出一种快慢结合框架，通过切换三个角色专用 LoRA 适配器在冻结的视觉 - 语言骨干网络上实现城市轨迹集体异常诊断。其慢路径 TrajMind$_{\text{slow}}$串联基于画布的类型识别、序列化轨迹的条件定位及可执行验证，生成结构化证据；快路径 TrajMind$_{\text{fast}}$以单次纯文本扫描进行窗口筛查。实验表明，TrajMind$_{\text{slow}}$在异常类型识别上比最强基线高 $15.3$ 个百分点，在定位上高 $13.8$ 个百分点，且在跨城市迁移中保持性能；TrajMind$_{\text{fast}}$将延迟降低 $41.1\%$ 并保持二元平衡准确率不低于 $93.5\%$。