风中摇曳的小萝卜 的博客

GNN中的Message Passing方法解析一、GNN中是如何实现特征学习的？深度学习方法的兴起是从计算图像处理（Computer Vision）领域开始的。以卷积神经网络（CNN）为代表的方法会从邻近的像素中获取信息。这种方式对于结构化数据（structured data）十分有效，例如，图像和体素数据。但是，CNN的处理方式对于类似图（graph）数据则并不适用。对于一个图而言，类似图像像素的邻近关系是不存在的。考虑图中任意一个节点，我们几乎不可能始终找到8个有序邻近节点，因此类CNN卷积核将不

[Scene Graph] Knowledge-Embedded Routing Network for Scene Graph Generation (CVPR 2019) 论文解读简介这篇CVPR2019的论文解决的问题是通过一张图像生成相对应的场景图。场景图包括图像中物体区域、区域标签和物体之间的关系。由于作者发现物体和物体之间的关系有些是极为常见的而有些则不是很常见，这种关系分布的不均...

[Scene Graph] Neural Motifs: Scene Graph Parsing with Global Context (CVPR 2018) 论文解读简介这篇文章工作的创新之处主要基于对Visual Genome（VG）场景图数据集的分析对模型和工作流进行调整。作者团队对VG数据集内容统计估计后得到两个结论：第一，如果一个关系估计中的主语和宾语一旦确定，那么它们之间的关系也...

Scene Graph Generation by Iterative Message Passing (CVPR 2017) 论文解读简介这篇文章在解决scene graph generation这个问题中更加偏向环境全局的上下文信息对于物体标签和关系预测带来的提升。为了获取和利用上下文信息，文章采用RNN-based的网络模型进行图推理。为了简化计算过程和提高计算效率，作者采用GRU（Ga...