
画像からシーングラフを生成する新しいフレームワークを提案し、視覚言語モデルの強力な能力を活用することで、従来のアプローチよりも優れたオープンボキャブラリーシーングラフ生成を実現する。


coremsg

オープンボキャブラリーシーングラフ生成のための画像言語モデルの活用


従来のシーングラフ生成 (SGG) 手法は、定義済みのオブジェクトや関係カテゴリの認識に限定されていましたが、本稿では、視覚概念のアラインメントと保持を通じて、未知のカテゴリを認識できる、完全オープンボキャブラリーSGGのための新しいフレームワーク、OvSGTRを提案します。



視覚概念のアラインメントと保持による完全オープンボキャブラリーシーングラフ生成：シーングラフ境界の拡張
