장면 그래프 생성

ลงชื่อเข้าใช้

BCTR 모델은 VLPM에서 지식을 추출하여 의미적으로 정렬된 공간에서 양방향 조건화를 통해 장면 그래프 생성 성능을 향상시키는 새로운 방법을 제시합니다.

객체 위치 정보 없이도 효과적인 장면 그래프 생성 및 평가가 가능하며, 이는 대규모 데이터셋 구축의 어려움을 해결하고 다양한 다운스트림 작업에 활용될 수 있는 가능성을 제시한다.

제안된 하이브리드 관계 할당 기법은 기존 DETR 기반 장면 그래프 생성 모델의 느린 수렴 문제를 해결한다. 이를 통해 모델은 더 적은 에폭으로도 최신 성능을 달성할 수 있다.

기존 장면 그래프 생성 모델들은 데이터셋의 노이즈 레이블 문제를 간과해왔다. 이 논문에서는 노이즈 레이블 문제를 해결하기 위해 노이즈 레이블 수정 및 견고한 훈련 전략인 NICEST를 제안한다.

장면 그래프 생성 모델의 성능을 평가하기 위한 정확하고 엄격한 지표를 제공하고, 이를 효율적으로 구현한다.

시각-언어 모델의 사전 학습 언어 세트에 내재된 관계 단어 편향을 해소하여 장면 그래프 생성 성능을 향상시킨다.

เกี่ยวกับ

ผลิตภัณฑ์

แหล่งข้อมูล