CPARR：基于类别的提议分析用于指称关系
计算机视觉与模式识别
2020-04-20 v1
摘要
指称关系任务旨在定位图像中满足关系查询的主体与客体实体，该查询以 \texttt{<subject, predicate, object>} 的形式给出。这需要对指定关系中的主体和客体实体同时进行定位。我们提出了一种简单而有效的基于提议的指称关系方法。与 SSAS 等现有方法不同，我们的方法能够生成高分辨率结果，同时降低其复杂度和歧义性。我们的方法由两个模块组成：一个基于类别的提议生成模块，用于筛选与实体相关的提议；以及一个谓词分析模块，用于对所选提议对的兼容性进行打分。我们在两个公开数据集（Visual Relationship Detection 和 Visual Genome）上的指称关系任务中展示了最先进的性能。
引用
@article{arxiv.2004.08028,
title = {CPARR: Category-based Proposal Analysis for Referring Relationships},
author = {Chuanzi He and Haidong Zhu and Jiyang Gao and Kan Chen and Ram Nevatia},
journal= {arXiv preprint arXiv:2004.08028},
year = {2020}
}
备注
CVPR 2020 Workshop on Multimodal Learning