1樓：XunGuo
乙個比較好的結合是李飛飛團隊在2023年的作品。
通過網路，學習新策略，讓AI通過視覺觀察實現因果歸納。
Causal Induction from Visual Observations for Goal Directed Tasks
2樓：
最近關注的幾個cv的大佬也開始做因果推理了 @鄭哲東。據說他們組也在讀，可以期待他們的成果。Publication
鄭哲東：讀《為什麼》 第一章-因果關係之梯鄭哲東：讀《為什麼》 第二章-因果推斷的起源鄭哲東：讀《為什麼》 第三章-從證據到因
另外， @含老司開挖掘機 hanwang老師他們已經有很多很棒的工作了
在 MReaL Lab。
另外chua老師的 video relation資料集，感覺也是潛在應用方向。
VidOR Dataset
3樓：市民王先生
因果的本質是大自然對人類大腦的馴化。世界的本質是隨機的，但是大量粒子的隨機運動，在巨集觀上會呈現出一定的確定性，也就是大量重複出現相似的現象。重複出現的現象以資訊的形式輸入人類的大腦，通過獎賞或者懲罰訓練著我們的神經網路，讓這些網路對一類輸入產生對應的輸出，於是人類就學會了「因果」。
因果具有可遷移性。我們觀察動物群體內部關係得到的規律，部分也可以用於人類群體，對炸藥規律的研究，也能用來研發火箭推進劑。我們把這些通用的因果規律提煉出來寫進書本，變成物理，化學，社會學，哲學，讓人類小孩可以在短時間掌握那些應用最廣的因果規律。
通過教育系統，最通用的因果規律在人與人之間傳遞，極大提高了人類應對自然的能力。
因此，把因果關係用在計算機視覺上的目標，就是為了讓因果規律在人與模型，以及模型與模型之間進行傳遞，並被有效利用。既然人類可以通過互相傳授因果規律而大大提高應對自然的能力，那麼計算機視覺模型也可以通過學習來自人類或者其它模型的知識而大大提高處理能力。
那麼，如何才能在計算機視覺中使用因果推理呢？人類傳遞和使用因果規律要經過書本儲存知識，小孩學習知識，以及結合實際使用知識三個階段。那麼，和人類傳遞和使用因果規律的過程類似，當我們在計算機視覺中使用因果規律的時候，儲存知識的「書本」是什麼？
如何讓計算機模型學習到這些來自其它模型或者人類的知識？模型如何結合具體場景判斷知識是否能使用？這三個步驟都不是乙個模型就能解決的。
我們需要的不是乙個單獨的模型，而是乙個綜合了知識儲存，學習能力和判斷能力的計算機大腦。它儲存的不僅是計算機視覺知識，還有其它各種知識
什麼是因果關係？
1原因與結果都是事件 變化 2原因在前，結果在後，原因與結果無交集 3乙個客體發生某個變化 稱為因 通過某種機制發生相互作用，導致另乙個變化 稱為果 4原因必然生成結果 庄建西 原因和結果，首先是時間的先後順序，而時間與空間是不可分離的。所以因和果應該是在同乙個時空內。第二，這是乙個主觀意識的認識過...
因果關係的存在是否以沒有因果關係的事物的存在為前提？你怎麼理解？
哈哈祥 佛教認為一切法皆是依因果之理而生成或滅壞。因是能生，果是所生。而且，有因必有果，有果必有因。由因生果，因果歷然。十界迷悟，不外是因果關係。如外界客塵與眾生主體內心也互為因緣，由眾生之無明生起我見，我見緣外界之客體，客體喚起眾生之貪欲，貪欲引起惡行，惡行招引再生及痛苦，痛苦又加重無明。彼此既是...
因果關係和充要關係的聯絡？
dtclzy 通常情況下，按照生活經驗，如果事件A 很可能 是導致事件B的唯一原因，那麼發生了事件B確實可以推出 很可能 發生了事件A，發生事件B 是充分條件，發生事件A 是必要條件。不過因果關係這種說法，並不是那麼嚴謹的東西，只是一種大致可以理解的 含混的東西。因為物理世界，本來就是一系列不可分割...