本研究旨在研究是否可以从生活场景中的人脸图像中对人际关系进行细分和高水平特征的表征和量化，并提出了一种采用深度网络架构来识别面部表情的方法，以预测人际关系，并展示出了良好的实验结果。
Sep, 2016
本研究提出了一种基于多粒度推理的社交关系识别框架，包括全局知识，中层细节和细粒度姿态关键点。研究设计了基于姿态指导的人物对象图和人物姿态图来建模人物到对象的动作和配对人物之间的交互，并借助图卷积网络进行社交关系推理。实验结果表明提出的框架在两个公共数据集上具有较高的效果。
Jan, 2019
本文提出了一种 Dual-Glance 模型，通过对人物关注视线的两个不同方面分别提取特征，结合注意力机制分析上下文线索，从而识别图片中的社交关系，并通过 Adaptive Focal Loss 方法处理模糊注释以提高识别效果，实验表明此方法在社交关系识别中取得了最新的最优效果。
Dec, 2018
本文提出使用社会心理学中的基于领域的理论作为系统研究社会关系的切入点，并开发了第一个综合的社会生活概念数据集以及识别社会关系和领域的模型，其中表现最好的特征是基于属性的特征。除了性能良好的基于属性的方法外，还发现了一些可解释的特征，这些特征与社会心理学文献的预测一致。我们相信，我们的贡献将更加紧密地将视觉识别和社会心理学理论相结合，从而为社会生活提供基于经验和数据驱动的模型。
Apr, 2017
本文提出了一种基于图形关系推理网络方法 (GR2N) 的社交关系识别方法，该方法相比现有方法能够更快，更准确地构建社交关系图，并显式地抓住不同类型社交关系之间的强逻辑约束，从而提高社交关系图的性能。
Jul, 2020
本研究使用了 15 种基本物质和社会关系对最近的文本引导图像生成模型 DALL-E2 进行了系统的经验性考察，发现只有大约 22％的图像与基本关系提示匹配。研究结果表明，当前的图像生成模型尚未掌握涉及简单对象和代理人的基本关系，本文从认知和计算两个角度，提出可能的改进方向。
Jul, 2022
本文提出了神经网络来学习和联合预测人物之间的互动关系及其涉及的角色，利用视觉和对话提示，通过多模态架构从中提取有意义的信息，并在 MovieGraphs 数据集上进行评估。
Mar, 2020
本文介绍了一种基于卷积神经网络的回归框架，可用于训练社交属性分配的预测模型，该模型可以对人群的行为进行量化，应用于描述人脸的视觉属性和情感计算领域。
Oct, 2016
本文提出了一种人物重要性关系网络（POINT），通过结合关系建模和特征学习来实现对人物重要性的推断，其中我们推断出两种交互模块：人与人之间的交互模块和事件与人之间的交互模块，并从两种交互中估算出人与人之间的重要关系并编码，以此实现对人物的重要性分类，实验结果表明我们的方法对于重要人物的检测很有效。
Apr, 2019
该论文提出了一种利用深度学习方法处理情感识别及精神分裂症严重程度估计问题的方法，通过引入关系损失和注意力机制等手段提高了网络的性能，成功地克服了少数据、长视频等问题。实验证明，所提出的方法在精神分裂症识别领域的准确率可以取得人类专家的 85% 的准确率，优于先前的实验成果。