本研究提出了一种不变形状表示学习（ISRL）框架，旨在解决图像分类器在不同环境中的偏倚和不稳定性问题。该方法通过在潜在形状空间中捕获不变特征，提高了分类器的鲁棒性，实验结果表明其在不同训练环境下能提供更准确的分类预测。