混合基元草图：融合类比推理、定性表征与计算机视觉的场景理解新框架

这篇综述提出混合基元草图（Hybrid Primal Sketch, HPS）框架，通过整合深度学习组件与认知模型CogSketch，构建基于符号化视觉实体（glyphs）的中间表征系统。该框架突破传统端到端模型的局限性，利用类比泛化（analogical generalization）实现数据高效学习，在草图识别、视觉关系检测和图表理解中展现优势，为感知与概念推理的桥梁机制提供新范式。

　　

背景与相关工作

定性视觉表征（Qualitative visual representations）通过符号化手段描述连续视觉现象。在CogSketch系统中，形状（如物体轮廓）和场景（如物体间关系）分别采用特殊编码：物体边缘被分解为精细结构，而空间关系则通过拓扑（如包含/相邻）和方位（如左/上）符号表征。

混合基元草图

受马尔（Marr）原始草图理论启发，HPS创新性地将计算机视觉组件（如边缘检测、区域分割）的输出转化为类数字墨水的符号化实体——glyphs。每个glyph包含几何属性（位置、曲率）和概念标签（如"椅子腿"），通过CogSketch系统进行高阶解析，包括形状分解和关系计算，最终生成可用于类比学习的场景关系图。

实验验证

在草图识别任务中，HPS通过类比学习实现90%的类别识别准确率；视觉关系检测实验显示其对"持握"、"支撑"等动词关系的捕捉能力优于纯数据驱动模型。当前正在进行的图表理解实验（如区分地球图示中的实体区域与轨道虚线圈）将验证其对视觉惯例的解析潜力。

进行中：图表理解

教学图表中的概念分割（conceptual segmentation）是HPS的前沿应用场景。系统需区分相同几何形状的不同语义（如实心圆代表行星，空心圆代表轨道），这要求结合视觉线索与领域知识进行推理，其成果将推动教学型AI的认知建模。

结论与展望

HPS框架证实了混合表征在感知-认知衔接中的关键作用。未来工作将拓展至动态场景理解，并探索与神经符号计算（neuro-symbolic computing）的融合路径。

（注：翻译严格保留专业术语如glyphs、CogSketch等，采用生命科学领域常见的"解析""表征""范式"等术语，并通过"持握""轨道虚线圈"等生动表述增强可读性）