基于因果干预的视觉模型在分布外泛化中的混淆因子控制研究综述.docVIP

基于因果干预的视觉模型在分布外泛化中的混淆因子控制研究综述

在计算机视觉领域，深度学习模型在训练集和测试集服从独立同分布（IID）假设的场景下已经取得了远超传统方法的性能表现，图像分类、目标检测、语义分割等基础任务的准确率已接近甚至超过人类水平。但当模型部署到真实开放环境中时，数据分布往往会与训练集产生显著偏移，光照变化、背景干扰、拍摄角度差异、目标形态畸变等分布外（OOD）样本会导致模型性能出现断崖式下降，这一问题严重制约了视觉模型在自动驾驶、医疗影像诊断、工业缺陷检测等高风险场景的落地应用。传统基于数据增强、正则化、域适应的分布外泛化方法大多停留在统计关联层面，难以从根本上解决虚假关联带来的鲁棒性缺陷，而因果推理为破解这一困境提供了全新的理论框架，其中因果干预技术通过主动切断混淆因子与目标变量之间的虚假关联，成为当前分布外泛化领域的研究热点。

一、视觉分布外泛化中的混淆因子成因与影响机制

视觉数据中的混淆因子是指与目标类别和视觉特征同时存在统计关联，但并不存在真正因果关系的变量，其产生根源与视觉数据的采集过程、场景特性高度相关。在自然图像数据集中，混淆因子通常表现为三类：第一类是场景上下文混淆，例如在“牛”的图像中，草地背景出现的频率远高于其他背景，模型容易将“草地”特征与“牛”的类别建立虚假关联，当测试样本中牛出现在海滩、雪地等非典型背景时就会出现分类错误；第二类是属性关联混