利用几何视觉错觉作为视觉模型的感知归纳偏差

于红博

摘要: 当代深度学习模型通过主要利用大型数据集中的统计规律，在图像分类方面取得了令人印象深刻的性能，但它们很少直接融入从知觉心理学中得出的结构化见解。为了探索感知动机的归纳偏见的潜力，我们提出将经典几何视觉错觉——人类感知中广泛研究的现象，融入标准图像分类训练流程。具体来说，我们引入了一个合成、参数化的几何错觉数据集，并评估了三种将错觉识别任务与ImageNet分类目标相结合的多源学习策略。我们的实验揭示了两个关键概念见解：(i) 将几何错觉作为辅助监督系统地提高了泛化能力，特别是在涉及复杂轮廓和细微纹理的视觉挑战案例中；(ii) 即使从传统上认为与自然图像识别无关的合成刺激中获得，基于感知驱动的归纳偏见可以增强CNN和基于transformer的架构的结构敏感性。这些结果展示了感知科学和机器学习的新颖整合，并为将感知先验嵌入视觉模型设计提出了新的方向。

更新时间: 2025-09-18 17:00:42

领域: cs.CV,cs.AI

下载: http://arxiv.org/abs/2509.15156v1