要約
視覚世界における一般的な問題として、文脈バイアス（contextual bias）とは、物体の認識が物体自体の特徴ではなく、その共起する文脈に依存してしまう現象を指す。特に、複数のターゲットが存在し、位置情報が欠落している多ラベルタスクでは、この問題はより顕著になる。既存の研究においてはこの問題に取り組む試みがなされているものの、文脈バイアスの表現を正確に取得することが困難であるため、その負の影響を完全に除去することは依然として困難である。本論文では、因果推論を活用したシンプルながら有効なフレームワークを提案する。まず、物体の表現、文脈、予測の間の因果関係を明確にするため、構造的因果モデル（Structural Causal Model: SCM）を提示する。次に、インスタンスの直接効果を追求するための新しい因果的文脈デバイアス化モジュール（Causal Context Debiasing: CCD）を構築する。具体的には、交絡因子（confounder）の影響を除去するための因果介入（causal intervention）と、反事実的推論（counterfactual reasoning）を用いて、文脈バイアスの影響を受けることのない総直接効果（Total Direct Effect: TDE）を獲得する。なお、本研究のCCDフレームワークは既存の統計モデルと直交しており、任意のバックボーンに容易に統合可能である。複数の多ラベル分類データセットにおける広範な実験により、本モデルが他の最先端手法を上回る性能を発揮することが示された。