ICON：面向文本行人搜索的神经符号先验不变反事实优化
人工智能
2026-01-23 v1 机器学习
摘要
文本行人搜索（TBPS）在连接视觉感知与语言理解的现实世界监控中具有独特价值，然而当前利用预训练模型的范式往往无法有效迁移到复杂的开放世界场景。对“被动观察”的依赖导致了多方面的伪相关和空间语义错位，造成对分布偏移缺乏鲁棒性。为从根本上解决这些缺陷，本文提出了 ICON（融合因果与拓扑先验的不变反事实优化）框架。首先，我们引入规则引导的空间干预，严格惩罚对边界框噪声的敏感性，强制切断位置捷径以实现几何不变性。其次，通过语义驱动的背景移植实现反事实上下文解耦，迫使模型忽略背景干扰以实现环境独立性。然后，我们采用带有自适应掩码的显著性驱动语义正则化，以解决局部显著性偏差并保证整体完整性。最后，神经符号拓扑对齐利用神经符号先验来约束特征匹配，确保激活区域与人体结构逻辑在拓扑上一致。实验结果表明，ICON 不仅在标准基准上保持了领先性能，而且对遮挡、背景干扰和定位噪声表现出卓越的鲁棒性。这项工作通过将范式从拟合统计共现转变为学习因果不变性，有效地推动了该领域的发展。
引用
@article{arxiv.2601.15931,
title = {ICON: Invariant Counterfactual Optimization with Neuro-Symbolic Priors for Text-Based Person Search},
author = {Xiangyu Wang and Zhixin Lv and Yongjiao Sun and Anrui Han and Ye Yuan and Hangxu Ji},
journal= {arXiv preprint arXiv:2601.15931},
year = {2026}
}