Tag · 8 篇

因果推理

分布视觉语言模型4目标检测与定位2自监督与表征学习1医学影像与生物视觉1

Seeing Through the Shift: Causality-Inspired Robust Generalized Category Discovery

把因果图与因果依赖风险估计引入跨域广义类别发现，用流形层面的不变性约束对齐已知/未知类，可作为处理域偏移下开放世界表征学习的通用正则手段。

RobustVisRAG: Causality-Aware Vision-Based Retrieval-Augmented Generation under Visual Degradations

提出因果引导的双路径框架，通过非因果路径捕获退化信号并引导因果路径学习纯化语义，为视觉检索增强生成在退化条件下的鲁棒性提供了可复用的解耦思路；同时构建的 Distortion-VisRAG 数据集可用于评测多模态检索与生成模型在真实退化下的表现。

Retrieving Counterfactuals Improves Visual In-Context Learning

把「示例选择」从被动相似度检索改成属性引导的组合图像检索，主动构造反事实示例对，可直接用于任何基于 ICL 的 VLM 少样本适配流程，尤其是小模型与信息稀缺场景。

DARC: Dual Adjustment Reasoning with Counterfactuals for Trustworthy Chest X-ray Classification

把因果推断中的后门调整与反事实推理引入胸部X光多标签分类，用于解耦病理共现与非病理视觉混杂带来的虚假相关；其像素级混杂标注数据集CheXconf与双流因果学习结构，可迁移到其他存在捷径学习的医学影像乃至自然图像分类任务。

CaST-Bench: Benchmarking Causal Chain-Grounded Spatio-Temporal Reasoning for Video Question Answering

该基准要求模型在视频中定位因果链的时空证据（时序片段和边界框轨迹），为视觉语言模型的可解释推理和减少虚假关联提供了可评估的测试平台，其标注管线和评估指标可直接用于训练和评测更透明的视频问答模型。

COPO: Causal-Oriented Policy Optimization for Hallucinations of MLLMs

COPO 通过因果完备性奖励和 token 级充分性/必要性约束，在 GRPO 框架内构造因果感知的优势函数，为视觉语言模型提供了一种可复用的幻觉缓解训练策略，可直接用于改进多模态对齐与生成忠实度。

CHAL: Causal-guided Hierarchical Anomaly-aware Learning for Moving Infrared Small Target Detection

将目标检测转化为背景建模下的异常发现，利用时空神经场学习背景演化模式，并通过因果引导机制抑制背景混杂造成的虚假关联，为弱小目标检测提供了新思路。

Bridge: Basis-Driven Causal Inference Marries VFMs for Domain Generalization

把因果前门调整实现为可学习的低秩基，用来阻断光照、风格、共现等混杂因子对检测器的虚假关联，并可作为即插即用模块挂到 DINOv2/3、SAM、Stable Diffusion 等视觉基础模型上，为单源域泛化检测提供了一条不依赖目标域数据的通用思路。