THYME：面向航空摄影的视频场景图的时空层次循环互动建模
计算机视觉与模式识别
2025-07-15 v1
摘要
随着视频在自动驾驶、监控和体育分析等应用中的快速普及，对动态场景理解的需求日益增长。尽管静态场景图生成和早期视频场景图生成方法取得了进展，但以往方法常因表征碎片化，难以同时捕获细粒度空间细节和长程时序依赖。为此，我们提出了时空层次循环场景图（Temporal Hierarchical Cyclic Scene Graph, THYME）方法，通过层次特征聚合与循环时序细化相结合，有效建模多尺度空间上下文，确保帧与帧之间的时序一致性，从而生成更精确且连贯的场景图。此外，我们构建了名为 AeroEye-v1.0 的新型航空视频数据集，包含五类互动类型，克服了现有数据集的局限，为动态场景图生成提供了全面的基准。实验在 ASPIRe 和 AeroEye-v1.0 数据集上表明，所提出的 THYME 方法在地面视角和航空场景中均优于最新方法，提供了更准确的场景理解。
引用
@article{arxiv.2507.09200,
title = {THYME: Temporal Hierarchical-Cyclic Interactivity Modeling for Video Scene Graphs in Aerial Footage},
author = {Trong-Thuan Nguyen and Pha Nguyen and Jackson Cothren and Alper Yilmaz and Minh-Triet Tran and Khoa Luu},
journal= {arXiv preprint arXiv:2507.09200},
year = {2025}
}