Key points are not available for this paper at this time.
관계는 장면 그래프의 핵심이지만, 그 예측은 복잡한 시각적 다양성 때문에 만족스럽지 않습니다. 이 문제를 완화하기 위해 관계를 추상적 객체로 보고, 의미 있는 시각적 패턴뿐만 아니라 객체 인식을 고려할 때 두 가지 핵심 측면인 맥락 정보도 탐구합니다. 현재 데이터셋에 대한 우리의 관찰은 관계 간에 밀접한 연관성이 존재함을 나타냅니다. 따라서 객체 지향 작업에 대한 맥락의 성공적인 적용에서 영감을 받아, 모든 관계가 모인 관계에 대한 맥락을 특별히 구성하여 인식이 그들의 연관성으로부터 이득을 얻을 수 있도록 합니다. 게다가, 정확한 인식은 객체에 대한 차별화된 시각적 패턴을 필요로 하며, 관계도 마찬가지입니다. 관계에 대한 효과적인 패턴을 발견하기 위해, 전통적인 관계 특징 추출 방법인 합집합 영역이나 주제-객체 특징 쌍의 조합을 사용하는 방법을 보다 기본적인 부분에 초점을 맞춘 우리의 제안하는 교집합 영역으로 대체합니다. 따라서 우리는 Relationship Context - InterSeCtion Region (CISC) 방법을 제시합니다. Visual Genome 데이터셋에 대한 장면 그래프 생성 실험과 VRD 데이터셋에 대한 시각적 관계 예측 실험은 관계 맥락과 교차 영역이 성능을 개선하고 예상된 기능을 실현한다는 것을 나타냅니다.
Wang et al. (Sat,)는 이 질문을 연구했습니다.