通过改进概率分类器的标签似然度和引入全局标签代价，本论文提出了一种非参数景观分析方法，提高了场景图像中前景类别的覆盖率和总体准确性，并在两个大型数据集上达到了最先进的性能。

Oct, 2015

本文提出了一种新颖的特征增强网络，通过从多个特征提取级别收集空间上下文，并计算每个表示级别的注意力权重以生成最终的类别标签。该模型还学习了低分辨率下的空间上下文信息以保留场景元素之间的抽象空间关系并降低计算成本，最终的特征集合中融合了空间注意力特征，并在 ADE20K 和 Cityscapes 数据集上优于所有现有模型。

Feb, 2024

本文介绍了一种利用基于不同区域的上下文聚合和金字塔场景分割网络的全局上下文信息的方法，以进行场景分割任务，并在各种数据集上取得了最先进的性能表现。该方法在 PASCAL VOC 2012 基准和 Cityscapes 基准数据集上创造了新的记录。

Dec, 2016

本研究提出使用场景图上下文来改善场景图的图像生成，通过引入上下文网络将图卷积神经网络生成的特征并入图像生成网络和对抗性损失，从而不仅能够生成逼真的图像，还能更好地保留非空间对象之间的关系，并定义两个评估指标，Relation Score 和 Mean Opinion Relation Score，直接评估场景图的一致性，并经过定量和定性研究证明了该模型在这一具有挑战性的任务上优于现有技术。

Jan, 2019

本文介绍了一种通过神经依赖解析器直接从文本描述中解析出场景图来实现端到端训练的方法，并在评估数据集上比以往方法高出 5％的 F - 分数相似度来生成了我们学习的神经依赖解析器产生的场景图。

Mar, 2018

应用有限的解析注释，发展了有效的表征学习方法来解决具有挑战性的视频场景解析问题，并提出了针对未标记视频数据的预测特征学习方法和针对场景解析任务的预测方向解析体系结构。

Dec, 2016

本文提出了一种结合上下文信息进行人物搜索的框架，并通过相对注意力机制筛选场景中有用的上下文信息和建立图形学习框架来实现目标相似性的有效更新，该框架在两个广泛使用的人物搜索数据集上取得了最先进的性能。

Apr, 2019

本研究通过分析场景图中常规出现的子结构 (即 motifs)，研究如何生成场景的结构化图形表达，并构建了一种能够捕捉场景图中高阶 motifs 的新架构 —— 堆叠 motif 网络 (Stacked Motif Networks)。通过在 Visual Genome 数据集上实验，结果表明我们的基准模型获得了 3.6％的相对改进，并且该新架构又减少了相对 7.1％的误差。

Nov, 2017

本研究开发了一种实时、高质量的半监督视频目标分割算法，其精度与耗时最长的在线学习模型相当，而速度则与次优精度的最快模板匹配方法相似。其中，核心组件是使用全局上下文模块，通过整个视频有效地总结和传递信息。相较于之前只使用一个或少量帧来指导当前帧分割的方法，全局上下文模块使用所有过去的帧。此外，与之前的最佳空时记忆网络不同，全局上下文模块使用固定大小的特征表示，因此无论视频长度多长，其内存使用和计算成本都会大大降低。使用这种新模块，我们的模型可以在实时速度下达到标准基准的最高性能。

Jan, 2020

本文研究跨视角视频理解的联合分析框架，将视角为中心的建议集成到场景为中心的解析图中，以表示跨视角场景的连贯场景为中心的理解，生成语义场景为中心的解析图。定量实验表明，解析图中的场景为中心的预测优于视角为中心的预测。

Sep, 2017