Factorizable Net：一种高效的基于子图的场景图生成框架
计算机视觉与模式识别
2018-08-28 v2
摘要
生成场景图以描述图像内部所有关系近年来受到越来越多的关注。然而，大多数先前方法使用复杂结构且推理速度慢，或依赖外部数据，这限制了模型在真实场景中的使用。为提高场景图生成的效率，我们提出一种基于子图的连接图，以在推理期间简洁地表示场景图。首先使用自底向上的聚类方法将整个场景图分解为子图，其中每个子图包含若干对象及其关系的一个子集。通过用更少的子图与对象特征替换场景图的大量关系表示，中间阶段的计算被显著减少。此外，空间信息由子图特征保持，我们提出的空间加权消息传递(SMP)结构与空间敏感关系推理(SRI)模块利用该信息以促进关系识别。在最近的Visual Relationship Detection与Visual Genome数据集上，我们的方法在准确率和速度上均优于最先进(state-of-the-art)方法。
引用
@article{arxiv.1806.11538,
title = {Factorizable Net: An Efficient Subgraph-based Framework for Scene Graph Generation},
author = {Yikang Li and Wanli Ouyang and Bolei Zhou and Jianping Shi and Chao Zhang and Xiaogang Wang},
journal= {arXiv preprint arXiv:1806.11538},
year = {2018}
}
备注
ECCV 2018