面向室内场景识别的物间判别图建模
计算机视觉与模式识别
2024-08-22 v3
摘要
多变的场景布局与跨场景共存物体使得室内场景识别仍是一项具有挑战性的任务。利用场景内物体信息来增强特征表示的可区分性已成为该领域的关键方法。当前，多数物体辅助方法采用独立分支处理物体信息，并以启发式方式融合物体与场景特征。然而，极少有方法关注以可解释的方式处理物体信息中隐含的判别性知识。本文提出利用判别性物体知识来增强场景特征表示。首先，我们从概率视角捕捉物体-场景判别关系，并将其转化为物间判别原型（Inter-Object Discriminative Prototype, IODP）。鉴于 IODP 所提供的丰富先验知识，我们随后构建判别图网络（Discriminative Graph Network, DGN），其中像素级场景特征被定义为节点，节点特征间的判别关系被编码为边。DGN 旨在通过图卷积与映射操作（GCN）将物间判别知识融入图像表示。借助所提出的 IODP 与 DGN，我们在多个广泛使用的场景数据集上取得了最先进的性能，证明了该方法的有效性。
引用
@article{arxiv.2311.05919,
title = {Inter-object Discriminative Graph Modeling for Indoor Scene Recognition},
author = {Chuanxin Song and Hanbo Wu and Xin Ma},
journal= {arXiv preprint arXiv:2311.05919},
year = {2024}
}