利用面向边的推理进行基于3D点的场景图分析

场景理解是计算机视觉中的关键问题。本文提出一种基于3D点的场景图生成（$\mathbf{SGG_{point}}$）框架，通过场景图构建、推理和推断三个顺序阶段有效衔接感知与推理以实现场景理解。在推理阶段，构建面向边（EDGE）的图卷积网络（$\texttt{EdgeGCN}$），利用多维边特征进行显式关系建模，并探索节点与边之间两种关联的双生交互机制，以实现场景图表示的独立演化。总体而言，我们建立的集成$\mathbf{SGG_{point}}$框架旨在从真实世界与合成的三维点云场景中寻找并推断感兴趣的场景结构。实验结果表明，在场景图生成研究中面向边的推理效果良好。我们还在多个传统图表示学习基准数据集上展示了方法优势，包括引文网络的节点分类与用于分子分析的全图识别问题。