QualiaNet：经验驱动推理网络
计算机视觉与模式识别
2026-04-17 v1 图像与视频处理
神经元与认知
摘要
人类 3D 视觉涉及两个 distinct 阶段：经验模块（Experience Module），其中相对注视点的立体深度被提取；推理模块（Inference Module），其中对经验进行解释以估计 3D 场景属性。悖论性的是，尽管我们的立体视觉经验并不提供距离信息，但它确实影响我们对视觉尺度的推断。我们提出推理模块利用一种自然场景统计量：近景场景产生鲜明的视差梯度，而远景场景则相对平坦。QualiaNet 在计算机端实现了这种两阶段架构：将模拟人类立体经验的视差图传递给用于估计距离的 CNN。该网络仅能从视差梯度中恢复距离，从而验证了这一方法。
引用
@article{arxiv.2604.14193,
title = {QualiaNet: An Experience-Before-Inference Network},
author = {Paul Linton},
journal= {arXiv preprint arXiv:2604.14193},
year = {2026}
}