基于增强异常对比学习的组合视觉关系预测推理
计算机视觉与模式识别
2026-03-03 v1 人工智能
摘要
虽然视觉推理已广泛关注简单类比任务，但组合视觉关系(CVR)因其复杂性而鲁见大量研究。为解决CVR任务，我们提出预测推理+增强异常对比学习(PR-ACL)方法，即给定三个遵循相同组合规则的图像，识别第四个图像中的异常图像。为建模丰富的组合规则，设计了增强异常对比学习，以通过最大化正常实例间的相似性、最小化正常实例与异常离群点间的相似性，提炼判别性且可泛化的特征。更关键的是，引入预测-验证范式进行规则驱动推理，其中一系列预测异常推理模块(PARBs)迭代利用其中三幅图像的特征，预测剩余一幅图像的特征。在后续验证阶段，PARBs逐步揭示由底层规则引起的具体差异。实验在SVRT、CVR和MCR数据集上表明，PR-ACL显著优于最先进的推理模型。
引用
@article{arxiv.2603.01125,
title = {Predictive Reasoning with Augmented Anomaly Contrastive Learning for Compositional Visual Relations},
author = {Chengtai Li and Yuting He and Jianfeng Ren and Ruibin Bai and Yitian Zhao and Heng Yu and Xudong Jiang},
journal= {arXiv preprint arXiv:2603.01125},
year = {2026}
}
备注
Accepted by IEEE Transactions on Multimedia