基于启发式推理先验的低数据有效指代物体检测
计算机视觉与模式识别
2026-03-26 v1
摘要
大多数指代物体检测（ROD）模型，尤其是现代 grounding 检测器， 都设计用于数据丰富的条件， 但许多实际部署情形（如机器人、增强现实和其他专业领域） 将面临严重的标签稀缺。在此类情形下， 从头开始学习空间和语义结构的端到端 grounding 检测器会浪费宝贵的样本。我们提出了一个简单问题： 当数据稀缺时， 显式的推理先验是否有助于模型更高效地学习？为探索这一问题， 我们首先引入了数据高效指代物体检测（De-ROD）任务， 这是一种用于衡量 ROD 在低数据和零样本情形下性能的基准协议。随后我们提出了 HeROD（Heuristic-inspired ROD）， 是一个轻量级、模型无关的框架， 将显式的、启发式的空间和语义推理先验注入现代 DETR 风格管道的三个阶段： 提案排序、预测融合和 Hungarian 匹配。通过对可信候选人进行训练和推理偏置， 这些先验有望提高标签效率和收敛性能。在 RefCOCO、RefCOCO+ 和 RefCOCOg 上， HeROD 在稀缺标签情形下 consistently 超过强大的 grounding 基线。更广泛地说， 我们的结果表明， 将简单、可解释的推理先验整合到视觉-语言理解中提供了一条实用且可扩展的路径， 以实现更好的数据高效性。
引用
@article{arxiv.2603.24166,
title = {Heuristic-inspired Reasoning Priors Facilitate Data-Efficient Referring Object Detection},
author = {Xu Zhang and Zhe Chen and Jing Zhang and Dacheng Tao},
journal= {arXiv preprint arXiv:2603.24166},
year = {2026}
}
备注
CVPR2026