基于功能结构单元的复杂交通标志理解的组合推理：SignReasoner
计算机视觉与模式识别
2026-04-14 v1
摘要
准确理解复杂交通标志——包括具有复杂布局、多语言文本和复合符号的标志——对于自动驾驶安全至关重要。当前模型，无论是专门的小型模型还是大型视觉语言模型（VLM），都存在显著瓶颈：缺乏组合化推理，导致在遇到新颖标志配置时失败。为克服这一问题，我们提出SignReasoner，一种将通用VLM转化为专家交通标志推理器的新范式。我们的核心创新是功能结构单元（FSU），它将从常用的基于实例的建模转变为灵活的基于函数的分解。通过将复杂标志分解为最小的核心功能块（例如方向、通知、车道），我们的模型学习了底层结构语法，实现了对不可见组合的稳健推理。我们将这种分解定义为FSU推理任务，并引入两个阶段的VLM后训练管道以最大化性能：迭代说明-FSU蒸馏提升模型在FSU推理和说明生成方面的准确度；FSU-GRPO使用树编辑距离（TED）计算FSU差异作为GRPO算法中的奖励，提升推理能力。在新提出的FSU推理基准TrafficSignEval上的实验表明，SignReasoner以显著的数据效率和无需结构修改的方式实现了新的SOTA，显著提高了各种VLM的交通标志理解能力。
引用
@article{arxiv.2604.10436,
title = {SignReasoner: Compositional Reasoning for Complex Traffic Sign Understanding via Functional Structure Units},
author = {Ruibin Wang and Zhenyu Lin and Xinhai Zhao},
journal= {arXiv preprint arXiv:2604.10436},
year = {2026}
}
备注
CVPRF 2026