因果不变量开放集识别

语义协变双稳健

从因果不变量角度提出一种开放集识别方法，通过分别约束类间与类内因果特征，在两类分布偏移下保持判别力和泛化性。

Zhen, Yang · Yue, Jun · Ghamisi, Pedram · 张史梁 · Ma J. · Leyuan, Fang

International Journal of Computer Vision 2024

参数信息

未知类别识别性能提升

2.4

技术优势

对协变量偏移稳健

CCI 模块通过约束类间因果特征的相关性，抑制不同类别之间的虚假关联，从而让判别特征在环境变化下仍保持泛化能力。

新类别不会混淆

SCU 模块利用同一类别内因果特征之间的相关性作为约束，提取出更具判别力的稳健特征，从而更好地识别从未见过的新类别。

应用场景

• 开放世界目标识别：在语义和协变量双偏移下保持判别力，识别开放环境中不断变化的目标类别。
• 机器人视觉：使机器人在多变光照、背景等真实环境中稳定区分已知与未知物体。
• 自动驾驶感知：应对道路场景中从未见过的物体和天气变化导致的分布偏移，提升安全性。
• 医疗影像识别：避免因设备差异等协变量偏移而误判，更可靠地识别罕见或新型病灶。
• 可信机器学习：因果约束增强了特征的可信度，为模型决策提供更可靠的依据。