因果智能开源框架CausalVLR

CausalVLR综合因果智能开源框架主要面向视觉-语言因果推理研究、多模态智能系统开发需求建设，基于中山大学人机物智能融合实验室（HCPLab-SYSU）长期研发的因果推理算法积累产生。该框架源于科技创新2030-"新一代人工智能"重大项目"因果推理与决策理论模型研究"（2021ZD0111600）的核心成果，旨在为视觉-语言因果推理任务提供统一的工具箱和基准测试平台，解决现有感知智能模型泛化瓶颈与可解释性不足的关键科学问题。框架采用模块化设计，将视觉-语言任务的因果推理解耦为数据加载、特征提取、因果干预、模型训练、推理评估等组件，核心算法包括跨模态因果表示学习（CMCRL）和跨模态因果关系对齐（CRA），分别发表于IEEE TIP 2025和CVPR 2025（Highlight）。主要包含因果表示学习模块、因果关系对齐模块、基准数据集接口、预训练模型库及完整技术文档，支持医疗报告生成、视频问答等多种应用场景。代码量约50MB，预训练模型权重及配套资源规模达GB级，全部资源托管于GitHub平台并附带DOI标识。