用途：从照片集合中自动识别有意义的事件。输入为照片的时间戳、GPS 坐标（可选视觉内容与人物聚类信息），输出事件分组、显著性评分与拼贴选片结果。
主要能力：1）ST-DBSCAN 时空聚类，同时满足空间与时间约束，避免同一地点不同日期被误合并；2）DeepDBSCAN 在时空基础上加入 CLIP 视觉相似度，区分同时间同地点但内容不同的事件；3）层级事件检测，用多层阈值把假期、日程、瞬间组织成嵌套结构；4）事件显著性评分，按地点稀有度、人物出现、照片密度、内容稀有度、视觉多样性、时长、互动度、时间稀有度加权（权重合计 1.0）；5）可分享性预测，依据笑容、合影、地标、食物、视觉复杂度、时效性等特征，阈值 >0.6 视为高可分享；6）人生事件识别（毕业、婚礼、生育、搬迁、旅行里程碑）及各阈值；7）时间多样性选片，支持时间分箱、Temporal MMR（λ=0.5 平衡，0.7 偏质量，0.3 偏多样性）与事件优先选片。
使用方式：通过 EventDetectionPipeline 处理照片库，示例流程为 pipeline.process_photo_corpus(photos) 后读取 results['events'] 与 results['life_events']，再调用 select_for_collage(results, target_count=100) 选片。依赖 numpy、scipy、scikit-learn、hdbscan、geopy、transformers、xgboost、pandas、opencv-python。GPS 距离须用 Haversine（如 geopy.distance.geodesic）而非欧氏距离；置信度低于阈值时不要强行归类，DBSCAN 噪声标签为 -1。
适用场景：照片事件分组、社交分享选片、拼贴素材选取、人生事件回顾。限制：不用于单张照片美学评价、色彩分析、人脸聚类识别、CLIP 嵌入生成和基础 EXIF 时间戳解析；性能目标、参数取值与权重以资料所述为准。资料未提供收费与价格信息。