该研究提出了一种视觉推理基准测试，名为 Bongard-HOI，用于组合学习自然图像中的人 - 物交互。该基准测试模拟实际场景中的一些情况，通过 few-shot instance 和难例的设计，将正负图像仅在动作标签上发生分歧，使得仅仅识别物体类别就无法完成测试，对于当今的视觉识别模型来说是具有相当大的挑战。

May, 2022

通过提出 Bongard-LOGO 基准来评估人类概念学习和推理，我们展示了先前方法的不足之处，并讨论了适用于解决此类基准的一般视觉推理架构的研究方向。

Oct, 2020

我们引入了 Bongard-OpenWorld，这是一个用于评估机器视觉领域的真实世界少样本推理的新基准。它继承了经典的 Bongard 问题的少样本概念归纳，并添加了两个新的挑战层：一是开放世界的自由形式概念，二是真实世界的图像。然而，目前的学习算法仍无法达到人类的准确度，我们希望 Bongard-OpenWorld 能帮助我们更好地理解当前视觉智能的局限性，并促进未来对具有较强少样本视觉推理能力的视觉智能体的研究。

Oct, 2023

在这篇论文中，研究人员提出了一种新的方法来解决在少样本情况下检测人 - 物交互的问题，通过引入标签不确定的查询增强技术，以及伪标签生成技术和负样本支持集增强信息的方式，实现了在 Bongard-HOI 基准和 HICO-FS 数据集上的性能显著提升。

Dec, 2023

本文介绍了用图像处理提取的视觉特征，并将其转化为符号视觉词汇的视觉概念学习问题。使用贝叶斯推理和形式语言，可以从提供的 Bongard 问题示例中引出复杂的视觉概念，并考虑语用推理，该方法解决了一大部分 Bongard 问题，但距离全面解决还有很长的路要走。

Apr, 2018

本研究介绍了 PMoC，这是一种为 Bongard-Logo 问题量身定制的概率模型，通过构建独立的概率模型实现了高准确性的推理。此外，我们还提出了 Pose-Transformer，这是一种专为复杂的抽象推理任务设计的增强型 Transformer-Encoder，包括 Bongard-Logo、RAVEN、I-RAVEN 和 PGM。Pose-Transformer 结合了位置信息学习，受胶囊网络中的姿势矩阵启发，增强了其对图像数据处理中的局部位置关系的关注。当与 PMoC 集成时，它进一步提高了推理准确性。我们的方法有效地解决了与抽象实体的位置变化相关的推理困难，在 RAVEN 的 OIG、D3×3 子集和 PGM 数据库上超过了之前的模型。本研究对于推进 AI 在抽象推理和认知模式识别方面的能力具有重要贡献。

Mar, 2024

通过将语境知识编码到知识图中，提高深度学习方法的鲁棒性，增强物体识别模型对于跨领域和真实世界场景的表现。

Oct, 2022

本研究主要探讨使用 Dreamcoder 构建的程序是否可以用于类比推理，以解决某些 Bongard 问题，并使用归纳逻辑编程（ILP）学习抽象概念的可解释性理论。实验结果表明我们的系统可以解决此类问题，并指出改进的方向。

Oct, 2021

ContextBLIP 是一种简单而有效的方法，依赖于双重上下文对齐方案进行具有挑战性的基于语言复杂文本的图像检索。

May, 2024

本研究在抽象推理领域，特别是针对 Raven 的渐进矩阵和 Bongard-Logo 问题，提出了显著的进展，包括重新定义概念边界并构建高级概念和低维表示之间的桥梁的 D2C 方法，通过度量图像表示的分布和 Sinkhorn 距离来实现优秀的推理准确性的 D3C 创新方法，以及通过限制分布距离提高计算效率并保持高准确性的 D3C-cos 方法。同时，引入将 D3C 和 D3C-cos 集成的 RPM 基准网络 Lico-Net，通过估计和限制规律性表示的分布来解决问题求解和可解释性挑战并取得最先进的性能。最后，通过对比 D2C，针对 RPM 和 Bongard-Logo 问题，采用对抗性方法进一步完善概念边界的 D4C 呈现了显著的改进，推动了抽象推理领域，为长期存在的问题提供了新的视角和实用解决方案。

Mar, 2024