机器视觉推理自从引入神经符号机制以来取得了巨大进步，这使得机器能够发展出多步骤的推理链。然而，正如早期认知科学家所预示的那样，这种逻辑和符号系统基本上不适合于现实世界、常识知识的表示和推理，因为它们仅依赖于封闭世界的逻辑规则和硬约束。 在人工智能和知识表示领域，封闭世界假设（Closed World Assumption, CWA）是一种逻辑假设，它认为除了明确定义为真的事实外，其他所有事实都被假

目录 摘要介绍相关工作方法总体模型细节 实验 摘要 知识型视觉推理仍然是一个艰巨的任务，因为它不仅要求机器从视觉场景中解释概念和关系，而且还需要将它们与外部世界知识联系起来，对开放世界问题进行推理链。然而，以前的工作将视觉感知和基于语言的推理视为两个独立的模块，在推理的所有阶段都没有同时关注这两个模块。为此，我们提出了一种知识型推理的视觉思维链提示（VCTP），它涉及视觉内容与自