用于场景图生成的神经置信传播
计算机视觉与模式识别
2021-12-13 v1
摘要
场景图生成旨在通过显式建模潜在对象及其关系来解读输入图像，先前方法主要由消息传递神经网络模型解决。目前，此类近似模型通常假设输出变量完全独立，从而忽略了具有信息性的结构高阶交互。这可能导致对输入图像的不一致解读。在本文中，我们提出一种新颖的神经置信传播方法来生成所得场景图。它采用结构Bethe近似而非平均场近似来推断相关边缘分布。为寻找更好的偏差-方差权衡，所提模型不仅将成对交互还将高阶交互纳入相关评分函数。它在各种流行的场景图生成基准上取得了最先进的性能。
引用
@article{arxiv.2112.05727,
title = {Neural Belief Propagation for Scene Graph Generation},
author = {Daqi Liu and Miroslaw Bober and Josef Kittler},
journal= {arXiv preprint arXiv:2112.05727},
year = {2021}
}