Jan, 2019

多粒度推理用于图像社交关系识别

PDF
TL;DR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。
social relationsimage interpretationmulti-granularitypose-guided graphgraph convolutional networks
发现论文，激发创造
  • 基于图的社交关系推理

    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

  • 面向人 - 物交互检测的姿态感知多层特征网络

    本文介绍了一种利用人体姿态提示的多层次关系检测策略，通过深度学习的方法将人体姿态融入到三个语义层面的关系表示中，以解决人体场景中精细化的物体交互识别问题。实验证明本方法在公共基准测试中表现优异。

    Sep, 2019

  • 从面部图像中学习社交关系特征

    本研究使用深度模型从面部图像中学习捕捉性别、表情、头部姿势、年龄等属性，采用面部间的配对推理进行社交关系预测，实验证明我们的方法有效用于图像和视频中细粒度社交关系的学习。

    Sep, 2015

  • SR-GNN: 面向细粒度图像分类的空间关系感知图神经网络

    本文介绍一种有效的方法，通过聚合来自最相关的图像区域的上下文感知特征及其在区分细粒度类别中的重要性来捕获细微变化，避免边框和 / 或可见部分注释，并通过自我关注和图形神经网络的最新进展来包括一种简单而有效的关系感知特征变换及其在端到端学习过程中的性能评估。评估了我们的模型，发现其在八个细粒度对象和人类对象交互数据集上的识别准确性显著优于现有技术。

    Sep, 2022

  • 知识图谱支持的社交关系理解

    本文提出一个基于知识图谱的图推理模型，通过消息传播和图注意力机制，将外部信息有效地整合到深度神经网络中，提高社交关系识别准确性。试验结果表明，该模型在公共基准测试中优于目前领先的竞争对手。

    Jul, 2018

  • 利用超图关系推理重构人群

    在大规模拥挤场景中，针对相互遮挡、严重尺度变化和复杂的空间分布等问题，通过充分利用人群特征从单目图像中重建人群，该研究提出了一种新颖的超图关系推理网络，用于建立人与群体之间的复杂和高阶关系相关性。实验结果表明，该方法在拥挤和常见场景中均优于其他基线方法。

    Aug, 2023

  • 视觉社交关系识别

    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

  • 基于图的全局推理网络

    该研究提出了一种名为 GloRe 的全局推理单元，实现了卷积神经网络对于远距离区域之间的全局关系的建模，能够有效提升图像识别、语义分割和视频行为识别等计算机视觉任务的性能。

    Nov, 2018

  • 解读社交关系的双重凝视模型

    本研究提出了一种基于双眼模型的社交关系识别方法，在探索语境线索的同时，固定在感兴趣的个体对，并提供了一个大规模 PISC 数据集来验证其有效性。

    Aug, 2017

  • 从面部表情识别到人际关系预测

    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