Scene Graph Generation by Iterative Message Passing

本文介绍了一种端到端模型,用于从输入图像生成结构化场景表示,通过消息传递学习迭代改进预测,利用上下文线索预测对象及关系,实验证明在VisualGenome数据集上效果显著。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

未完。。

理解视觉场景不仅仅是孤立地识别单个物体。对象之间的关系也含有关于场景的丰富语义信息。在本文中,我们使用场景图显式地建模了对象及其关系,场景图是图像的可视化图形结构。我们提出了一种新的端到端模型,该模型从输入图像生成所需的结构化场景表示。该模型使用标准RNN解决场景图推理问题,并通过消息传递学习迭代改进其预测能力。我们的联合推理模型可以利用上下文线索来更好地预测对象及其关系。 实验表明,我们的模型明显优于以前使用Visual Genome数据集生成场景图的方法,并推断出与NYU Depth v2数据集的支持关系。

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值