【场景图生成】Graphical Contrastive Losses for Scene Graph Parsing

最新推荐文章于 2024-05-04 14:53:57 发布
最新推荐文章于 2024-05-04 14:53:57 发布
阅读量3.9k 收藏 10
点赞数 3
分类专栏： Scene Graph 文章标签： 深度学习 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44574941/article/details/124245922
版权

文章下载地址：Graphical Contrastive Losses for Scene Graph Parsing

代码地址：https://github.com/NVIDIA/ContrastiveLosses4VRD

发表地点：CVPR 2019

1 内容概括

现在常有的场景图生成方法，针对关系检测仍存在一定的问题

例如无法确定关系对应的实体，以及两个实体之间的具体关系

作者针对此问题，提出了对应的contrastive loss构建方法 以及 一个融合了三个模块的关系检测网络

通过这两个步骤的改进，作者在VG以及VRD这两个数据集上做到了sota的效果

2 研究背景

任务：Scene Graph Parsing，也就是场景图生成，输出多组三元组关系<subject, predicate, object>

现有方法：双阶段，实体检测-->关系预测，关系预测往往是一个多分类问题

问题1：Entity Instance Confu

最低0.47元/天 解锁文章
爱吃冰淇淋的小可爱
关注
  • 3
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
场景图生成综述
Mr___WQ的博客
03-30 6215
场景图是对场景的结构化表示，可以清晰地表达场景中的对象、属性和对象之间的关系。随着计算机视觉技术的不断发展，人们不再满足于简单地检测和识别图像中的物体;相反，人们期待对视觉场景有更高层次的理解和推理。例如，给定一张图像，我们不仅要检测和识别图像中的物体，还要了解物体之间的关系(视觉关系检测)，并根据图像内容生成文本描述(图像字幕)。或者，我们可能希望机器告诉我们图像中的小女孩在做什么(视觉问答(VQA))，甚至从图像中删除狗并找到类似的图像(图像编辑和检索)，等等。
哈工大SCIR | 场景图生成简述
zenRRan的博客
05-21 2014
原创作者：梁家锋 郑子豪 王禹鑫 孙一恒 刘铭出处：哈工大SCIR进NLP群—>加入NLP交流群1引言 场景图是一种结构表示，它将图片中的对象表示为节点，并将它们的关系表示为边。最近，场景图已成功应用于不同的视觉任务，例如图像检索[3]、目标检测、语义分割、图像合成[4]和高级视觉-语言任务（如图像字幕[1]或视觉问答[2]等）。它是一种具有丰富信息量的整体场景理解方法，可以连...
HiKER-SGG: Hierarchical Knowledge Enhanced Robust Scene Graph Generation 层次知识增强鲁棒场景图生成
最新发布
weixin_44712441的博客
05-04 655
给定数据集图像记作 I，SGG的目标是生成一个有向场景图 G={N，E}，其中场景图的每个节点Ni ∈ N 表示为一个具有边界框Bi 和对象类的对象，每条边 Ei ∈ E表示为两个对象之间的谓词类。一个良好的场景图G包含一个视觉关系三元组 <subject-predicate-object>的集合，用于全面描述图像 I。
【论文笔记】基于有偏训练的无偏场景图生成
weixin_43939542的博客
06-24 908
本文是作者阅读2020年CVPR《Unbiased Scene Graph Generation from Biased Training》所做的笔记，保证原创，加入了自己的一些思考
ECCV 2022 | 基于数据转移的细粒度场景图生成
Paper weekly
10-13 758
©作者 |张傲单位 |新加坡国立大学研究方向 |多模态学习宣传一下我们在 ECCV 2022 Oral（2 accept, 1 weak accept）的论文“Fine-Grained Scene Graph Generation with Data Transfer”！本回答主要内容包括对于 Scene Graph 现有问题的介绍 （标题里的精神内耗），我们的方法。最后是关于场景图生成（...
论文阅读笔记-场景图谱-图谱生成：Scene Graph Generation from Objects, Phrases and Region Captions
古承风的博客
01-13 1717
文章目录摘要引言正文部分Conclusionn Li Y, Ouyang W, Zhou B等. Scene Graph Generation from Objects, Phrases and Region Captions[J]. Proceedings of the IEEE International Conference on Computer Vision, 2017, 2017-October: 1270–1279. 摘要 目标检测 、 场景图谱生成 和 region captionin
Graphical Models For Security
07-11
Graphical Models For Security， 5th International Workshop, GraMSec 2018, Oxford, UK, July 8, 2018
migongwenti.rar_graphical class_wintc_图形 迷宫
09-24
数据结构课设，tc下图形界面迷宫，可自动生成迷宫，具有人工探索和自动探索，wintc下编译通过
IEC 60617-2020国际标准Graphical symbols for diagrams
07-02
IEC 60617-2020国际标准Graphical symbols for diagrams IEC 60617 database snapshot created on 2020-12-01 Copyright 2020 IEC, Geneva, Switzerland. All rights reserved - Not for reproduction or ...
Superpixel-Based Graphical Model for Remote Sensing Image Mapping（笔记）
01-06
基于超像素的遥感图像制图图形模型 面向对象的遥感影像分类方法由于能够将不同形状和大小的相邻区域的空间信息整合到分类过程中，从而提高了遥感影像的制图精度，因此越来越受到人们的欢迎。然而，对象识别本身是...
Graphical Models for Visual Object Recognition and Tracking
11-17
吴恩达的导师Jordan博士生的博士论文，图模型很好的入门和深入书包含Dirichlet Process（狄利克雷过程）
energy-based-scene-graph:场景图生成的基于能量的学习的代码发布
05-20
基于能量的场景图生成学习 该存储库包含CVPR 2021接受的论文《的代码。 环境设定 要设置具有所有必需依赖关系的环境，请遵循的步骤。 注意：默认情况下， cudatoolkit版本设置为10.0。 在计算机上创建环境时，请通过运行nvcc --version检查cuda编译器版本，并适当调整cudatoolkit版本。 运行代码时，版本不匹配会导致build失败或segmentaion fault错误。 数据集 检查以获取有关下载数据集的详细信息。 预训练模型 我们在使用基于交叉熵和基于能量的训练方法训练的Visual Genome数据集上实现了保留的VCTree模型的权重。 循证医学 CE认证 要训​​练您自己的模型，您可以从此获取预训练探棒的权重。 基于能量的场景图生成的培训 python -m torch.distributed.launch --master_port 10
graph-rcnn.pytorch：我们的ECCV 2018论文“用于场景图生成的Graph R-CNN”和其他论文的Pytorch代码
02-22
graph-rcnn.pytorch 我们的ECCV 2018论文Pytorch代码 介绍 该项目是一组基于Pytorch 1.0的重新实现的代表性场景图生成模型，包括： 我们自己的 。 ECCV 2018。 Xu等人。 CVPR 2017 ，Li等。 ICCV 2017 ，Zellers等。 CVPR 2018 ，Zhang等，CVPR 2019 我们的重新实现基于以下存储库： 为什么我们需要这个存储库？ 将所有这些代表性方法收集到一个回购中的目的是在相同设置下跨不同方法建立更公平的比较。 您可能会在最近的文献中注意到，IMP，MSDN，Graph R-CNN和神经母题的报告数量通常令人困惑，尤其是由于IMP样式方法（前三种）和神经母题风格的方法（神经母题）之间存在较大差距纸和其他基于它的变体） 。 我们希望该仓库可以为各种场景图生成方法建立良好的基准，并为研究界做出贡献
Go-用于“从场景图像生成图像”的代码JohnsonetalCVPR2018
08-13
Code for "Image Generation from Scene Graphs", Johnson et al, CVPR 2018
【CVPR2019_论文汇总】（按方向划分，0401 更新中）
热门推荐
maweifei的博客
04-01 3万+
转载链接：http://bbs.cvmart.net/topics/302/cvpr2019paper 作为计算机视觉领域三大顶会之一，CVPR2019（2019.6.16-6.19在美国洛杉矶举办）被CVers 重点关注。目前CVPR 2019 接收结果已经出来啦，相关报道：1300篇！CVPR2019接收结果公布，你中了吗？ 开设此帖希望可以实时跟进CVPR2019的即时信息及相关优秀论文，...
【CVPR2019】完整论文列表二
TomRen
06-11 7937
CVPR 2019 Paper list[1001-1294] CVPR2019 完整列表一 论文题目与链接 Semantic Component Decomposition for Face Attribute Manipulation R3 Adversarial Network for Cross Model Face Recognition Disentan...
论文阅读：Neural Motifs: Scene Graph Parsing with Global Context
Kivee的博客
09-08 6167
Neural-Motifs(CVPR2018)   Paper给motif的定义是：regularly appearing substructures in scene graph。   换句话说，subject和object的label对它们的relation影响很大，和DR-net差不多的想法，不过用了更复杂的网络来实现。基于motif的想法，paper提出了一个新的strong的base...
一个场景图生成模型
冬炫的博客
08-20 857
github优秀代码链接：https://github.com/deeplab-ai/atr-net
读书笔记24：Graph R-CNN for Scene Graph Generation
b224618的博客
09-11 5270
https://arxiv.org/pdf/1808.00191.pdf 本文摘要没有介绍背景及他人方法，而是开门见山，指出本文提出了一个新的scene generation model，叫做graph R-CNN。接着介绍这个模型的特点是能够既能高效的检测到图片中的物体，又能有效的抓取物体之间的关系。本文模型包括一个Relation proposal network（RePN）,能够高效的解决...
precedence graph
05-26
A precedence graph is a graphical representation of the dependencies between tasks or activities in a project. It is commonly used in project management to help plan and organize tasks, and to identify critical paths and potential bottlenecks. In a precedence graph, each task or activity is represented by a node or box, and the dependencies between them are represented by arrows or lines. The arrows indicate which tasks must be completed before others can begin, and the direction of the arrows shows the flow of work. For example, if Task A must be completed before Task B can begin, there would be an arrow pointing from Task A to Task B. If Task C depends on both Task A and Task B being completed, there would be arrows pointing from both Task A and Task B to Task C. By analyzing the precedence graph, project managers can determine the critical path, which is the sequence of tasks that must be completed on time in order to meet the project deadline. They can also identify potential bottlenecks or areas where delays could cause problems, and take steps to mitigate those risks.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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