本研究提出了一种新的模型，使用语义词嵌入的语言先验知识进行训练，以预测图像中的多个视觉关系，同时将物体和谓词分别训练，并在图像中标定对象的位置，从而提高基于内容的图像检索的准确性。

Jul, 2016

通过将语义模型与视觉统计模型相结合，并应用多种先进的链接预测方法，本研究证明链接预测方法可以提高对于视觉关系检测的结果，并在 Stanford Visual Relationship 数据集上取得了优于当今最先进方法的性能。

Sep, 2018

介绍了一种基于提案的方法来定位图像中的主体和客体实体并评分，以实现关系查询任务，该方法通过分类和谓语分析模块实现选择和评分，在两个公共数据集上取得了最先进的表现。

Apr, 2020

该研究使用语言统计学的知识来规范视觉模型的训练，在学习视觉关系中的主语、谓语和宾语等实体之间的关系时，可以更准确地反映它们之间的联系。实验结果表明，使用此语言知识提炼，可显著提高模型的检测性能。

Jul, 2017

该研究利用编码器 - 解码器结构和关系注意力等特征，提出了一种新的在两个图像之间生成关系说明的模型，并透过对新收集及公开的数据集进行实验，证明其比现有的各种基准线和方法都要好。

Jun, 2019

本文提出了一种名为组合模块网络（Compositional Modular Networks，CMNs）的深度架构，该架构能够分析指称表达式的组成部分，识别输入表达式中提及的实体和关系，并将它们统一在现场中，从而实现对这些自然语言表达式的理解和建立联系。 通过在多个参考表达式数据集上进行评估，我们证明了 CMNs 技术在所有任务上优于现有技术。

Nov, 2016

本研究回顾了视觉模型和统计语义先验模型相结合对图像与场景描述匹配的任务的改进，并将其与一种新颖的无明确训练视觉先验模型的条件多路模型进行比较。同时，我们还讨论了提出方法与人脑记忆模型之间的潜在关系。

Aug, 2018

本文介绍了一种新的建模视觉关系方法，设计了强大而灵活的视觉特征，提出了一种弱监督判别式聚类模型来从仅具有图像级标签的数据中学习关系，并引入了一个新的具有挑战性的数据集（UnRel）和详尽的注释，用于准备评估视觉关系检索。实验结果表明，本文提出的模型在视觉关系数据集上取得了显著的提高，并在新引入的 UnRel 数据集上验证了该观察结果的有效性。

Jul, 2017

本研究提出了一种自然语言引导的框架来解决视觉关系检测任务中对象对之间关系分类的问题，并使用双向循环神经网络以及语义连接来预测参与关系的对象之间的语义连接。该方法在 Visual Relationship Detection 和 Visual Genome 数据集上取得了最佳状态，特别是在未预测关系的情况下。

Nov, 2017

该论文提出了一种新型的弱监督方法，使用最少的图像级谓词标签，利用图神经网络从检测到的对象的图形表示中对图像中的谓词进行分类，将关系检测作为谓词分类器的解释，并在三个不同且具有挑战性的数据集上展示结果，表明该方法具有对不全面注释的强健性和良好的少样本泛化能力。

Jun, 2020