图像数据上的 Pearl 因果层级：复杂性与挑战
人工智能
2022-12-27 v1 计算机视觉与模式识别
摘要
许多研究者表示支持 Pearl 的反事实因果理论，视其为 AI/ML 研究迈向智能系统终极目标的垫脚石。如同任何其他成长中的子领域，耐心似乎是一种美德，因为融合两个领域概念的重大进展尚需时日；然而，诸如缺乏真值基准，或对计算机视觉等经典问题缺乏统一视角等主要挑战，似乎正阻碍该研究的势头。本工作通过提供若干洞见，阐明将 Pearl 因果层级（PCH）应用于图像数据时所自然产生的复杂性及挑战，从而示例化地展示了如何在图像数据上理解 PCH。
引用
@article{arxiv.2212.12570,
title = {Pearl Causal Hierarchy on Image Data: Intricacies & Challenges},
author = {Matej Zečević and Moritz Willig and Devendra Singh Dhami and Kristian Kersting},
journal= {arXiv preprint arXiv:2212.12570},
year = {2022}
}
备注
Main paper: 9 pages, References: 2 pages. Main paper: 7 figures