摘要
在视觉世界中，上下文偏差（contextual bias）是一个普遍存在的问题，指识别结果可能更多依赖于物体共现的上下文环境，而非物体本身特征。这一问题在多标签任务中尤为严重，因为存在多个目标且缺乏目标位置信息。尽管已有部分研究致力于解决该问题，但消除上下文带来的负面影响仍具挑战性，主要原因在于难以获取上下文偏差的可表征形式。本文提出了一种简单而有效的框架，通过因果推断方法缓解上下文偏差。我们首先构建了一个结构化因果模型（Structural Causal Model, SCM），以明确物体表征、上下文信息与预测结果之间的因果关系。随后，设计了一种新型的因果上下文去偏模块（Causal Context Debiasing, CCD），旨在捕捉实例的直接效应。具体而言，我们采用因果干预（causal intervention）消除混淆因子的影响，并结合反事实推理（counterfactual reasoning）获得不受上下文偏差干扰的总直接效应（Total Direct Effect, TDE）。值得注意的是，我们的CCD框架与现有统计模型正交，因此可灵活迁移至各类主流网络架构中。在多个多标签分类数据集上的大量实验表明，所提模型在性能上显著优于现有最先进方法，充分验证了其有效性与通用性。