CauSight：用于视觉因果发现的学习式超感知
计算机视觉与模式识别
2025-12-02 v1
摘要
因果思维使人类不仅能理解看到什么，更能理解为何如此。为在现代 AI 系统中复制这一能力，本文引入了视觉因果发现任务。该任务要求模型在各种场景中推断视觉实体之间的因果关系，而不仅仅是感知它们的存在。为此，我们首先构建了视觉因果图数据集（VCG-32K），该数据集包含超过 32,000 张标注了实体级因果图的图像，并进一步开发了 CauSight，一种用于通过因果感知推理进行视觉因果发现的新型视觉语言模型。我们的训练配方集成了三个组件：（1）来自 VCG-32K 的训练数据精选；（2）Tree-of-Causal-Thought（ToCT）用于合成推理轨迹；（3）使用设计的因果奖励进行强化学习以细化推理策略。实验表明，CauSight 在视觉因果发现方面的性能超过 GPT-4.1，实现了三倍以上的性能提升（21% 的绝对提升）。我们的代码、模型和数据集已完全开源于项目页面：https://github.com/OpenCausaLab/CauSight。
引用
@article{arxiv.2512.01827,
title = {CauSight: Learning to Supersense for Visual Causal Discovery},
author = {Yize Zhang and Meiqi Chen and Sirui Chen and Bo Peng and Yanxi Zhang and Tianyu Li and Chaochao Lu},
journal= {arXiv preprint arXiv:2512.01827},
year = {2025}
}
备注
project page: https://github.com/OpenCausaLab/CauSight