arXiv · 机器人与计算机视觉· Xuanming Cui, Jaiminkumar Ashokbhai Bhoi, Chionh Wei Peng, Adriel Kuek, Ser Nam Lim·· 14 天前AI 评分72
多模态大语言模型时代动态场景图生成的深入审视
A Closer Look at Dynamic Scene Graph Generation In the Era of Multimodal Large Language Models
AI 导读
该工作重新审视动态场景图生成(DSGG),指出当前评估协议存在精度 - 召回率权衡严重及关系生成冗余问题,引入五项新指标以更好评估实用性。在模型设计上,采用自顶向下的推理定位策略、将帧级动态图重构为时序关系集预测,并引入重要性感知微调。实验表明该方法在 Action Genome、VidVRD 和 PVSG 数据集上均达到最先进水平。
来源:arXiv · 机器人与计算机视觉 · arxiv.org