面向CSAI分类的场景图注意力机制：室内场景表示
计算机视觉与模式识别
2025-10-01 v1 人工智能
机器学习
摘要
室内场景分类是计算机视觉中的关键任务，具有广泛的应用前景，从机器人到敏感内容分析（如儿童色情图像 (CSAI) 分类）。该问题因对象间复杂关系和复杂空间布局而具有挑战性。本文提出了面向敏感内容分析的场景图注意力机制 (ASGRA) 框架，采用结构化图表示代替原始像素。通过将图像转换为场景图并采用图注意力网络进行推理，ASGRA 直接建模场景组件之间的相互作用。该方法具有两个关键优势：(i) 通过对象和关系识别实现内在可解释性；(ii) 实现隐私保护，使模型训练无需直接访问敏感图像。在 Places8 数据集上，我们实现了 81.27% 的平衡准确率，超越基于图像的方法。在真实的 CSAI 评估中，我们获得了 74.27% 的平衡准确率。我们的结果确立了结构化场景表示作为室内场景分类和 CSAI 分类的稳健范式。代码已公开于 https://github.com/tutuzeraa/ASGRA。
引用
@article{arxiv.2509.26457,
title = {Attention over Scene Graphs: Indoor Scene Representations Toward CSAI Classification},
author = {Artur Barros and Carlos Caetano and João Macedo and Jefersson A. dos Santos and Sandra Avila},
journal= {arXiv preprint arXiv:2509.26457},
year = {2025}
}
备注
British Machine Vision Conference (BMVC 2025), in the From Scene Understanding to Human Modeling Workshop