CURVE：基于不确定性引导的正交化学习，用于稳健场景理解
计算机视觉与模式识别
2026-01-29 v1 人工智能
摘要
场景图为场景理解提供结构化抽象，但常常过度拟合到虚假关联，严重阻碍跨分布推理。为此，我们提出CURVE框架，这是一个受因果影响驱动的框架，集成变分不确定性建模与不确定性引导的结构正则化，以抑制高方差、环境特定的关系。具体而言，我们应用原型条件去偏以分离不变的相互作用动力学与环境依赖的变异，促进稀疏且域稳定的拓扑结构。经验上，我们在零样迁移和低数据 sim-to-real 适应中评估CURVE，验证其学习域稳定稀疏拓扑结构的能力，并提供可靠的不确定性估计以支持分布偏移下的风险预测。
引用
@article{arxiv.2601.20355,
title = {CURVE: Learning Causality-Inspired Invariant Representations for Robust Scene Understanding via Uncertainty-Guided Regularization},
author = {Yue Liang and Jiatong Du and Ziyi Yang and Yanjun Huang and Hong Chen},
journal= {arXiv preprint arXiv:2601.20355},
year = {2026}
}