ACLJun, 2021

SocAoG: 对话中社交关系推断的增量图解析

PDF
TL;DR该研究提出了一种基于 And-or 图的模型，名为 SocAoG，用于从对话中推断社交关系，包括从语义对话预测属性和关系、基于相关属性更新社交关系以及基于人际社交关系更新个体属性，并在 DialogRE 和 MovieGraph 上进行了实证研究和案例研究。
发现论文，激发创造
  • 一个生成社交关系图的端到端网络

    本文提出了一种新的端到端的可训练神经网络 (SRG-GN)，该网络能够从给定的输入图像生成 Social Relationship Graph - 一种结构化、统一的社交关系和属性表示，并在社交关系识别方面取得了显著的改进。

    Mar, 2019

  • 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

  • GoG: 基于关系感知的图上图网络用于视觉对话

    本文提出了一种新颖的关系感知图嵌入模型（GoG）用于视觉对话，该模型可以捕获对话历史中的代词和依赖关系以及问题和图像对象之间的关系，实验结果表明我们的模型在生成式和判别式的对话任务中都取得了显著的优势。

    Sep, 2021

  • 从视频中学习社交可供性语法：将人类交互转移到人机交互

    本文介绍了一种从 RGB-D 视频中学习社交能力语法的空间时间 AND-OR 图（ST-AOG）的通用框架，并将语法传递给人形机器人，以实现人机交互的实时运动推理。通过对基于吉布斯采样的弱监督语法学习的研究，我们通过构造自动化层次互动的表示形式，同时考虑双方的长期联合子任务和个体代理的短期原子行动。基于具有丰富人际互动实例的新 RGB-D 视频数据集，我们的实验的 Baxter 模拟，人类评价和真实 Baxter 测试表明，该模型能够从有限的训练数据中成功地在看不见的情境中生成人类化的行为，并胜过了基线。

    Mar, 2017

  • 基于上下文感知的迭代图推理在视觉对话中的应用

    本文提出了一种上下文感知图神经网络（Context-Aware Graph，CAG），通过自适应的前 K 个节点的信息传递机制，迭代更新每个节点（既包括視觉类、又包括历史关联类特征）的图结构，从而实现关系推理。此方法在 VisDial v0.9 和 v1.0 数据集上得到了有效验证。

    Apr, 2020

  • 多智能体动态关系推理在社交机器人导航中的应用

    通过系统的关系推理方法和轨迹预测，我们提出了一种适用于多智能体系统的社交机器人导航研究，通过该方法，在密集、互动场景中，在安全性、效率性和社交遵循性方面显著优于最强基准线。

    Jan, 2024

  • CSAGN：面向对话结构的图网络在对话语义角色标注中的应用

    本研究提出了一种基于对话结构感知图网络和多任务学习的 CSRL 模型，旨在解决现有 CSRL 解析器难以处理对话结构信息的问题，并在基准数据集上表现出优异的性能。

    Sep, 2021

  • 学习演员关系图用于群体活动识别

    本文提出了一种基于深度学习和 Actor Relation Graph（ARG）的方法，用于高效地学习和建模多人场景中演员之间的关系，并在两个标准数据集上取得了现有最佳表现

    Apr, 2019

  • 递归社交行为图用于轨迹预测

    本文提出了基于群体的社交互动模型，使用递归机制生成社交行为图，并运用图卷积神经网络进行社交互动信息的传递，成功预测了复杂的社交行为。在 ETH 和 UCY 数据集上表现优于现有方法。

    Apr, 2020

  • 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