BUSSARD：用于双射统一场景特定异常关系检测的归一化流
计算机视觉与模式识别
2026-03-18 v1
摘要
我们提出了 Bijective Universal Scene-Specific Anomalous Relationship Detection（BUSSARD），这是一种基于归一化流的模型，用于检测从图像中生成的场景图中异常关系。我们的工作遵循多模态方法，通过语言模型对场景图中的对象和关系标记进行嵌入，以利用来自真实世界的语义知识。采用归一化流模型学习将场景图中的对象-关系-对象三元组映射到简单基分布（通常为高斯分布）的双射变换，从而通过似然估计进行异常检测。我们在包含办公室和餐厅场景的 SARD 数据集上评估了该方法。我们的方法在 AUROC 方面比当前最先进模型提高约 10%，同时速度提升约五倍。通过消融研究，我们展示了其优异的鲁棒性和通用性，尤其是在同义词使用方面，该模型在基线面临 17.5% 偏差时，保持稳定性能。这一工作展示了学习方法在场景图关系异常检测中具有巨大的潜力。我们的代码已公开于 https://github.com/mschween/BUSSARD。
引用
@article{arxiv.2603.16645,
title = {BUSSARD: Normalizing Flows for Bijective Universal Scene-Specific Anomalous Relationship Detection},
author = {Melissa Schween and Mathis Kruse and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:2603.16645},
year = {2026}
}
备注
CVPR 2026 Main Track