本研究提出了一种新颖的基于注意力机制的关系网络，其包含两个关键模块和一个目标检测主干以实现场景图自动生成，并在 Visual Genome 数据集上进行了实验验证其有效性和优越性。

Nov, 2018

本文介绍了一种基于目标检测的图像 - 文本预训练学习方法 Oscar，通过使用在图像中检测到的目标标签作为锚点，显著简化模型中的图像与文本的语义对齐，使其在六个视觉 - 语言理解和生成任务中创造了新的最好成果。

Apr, 2020

本研究中，我们使用注意力机制可实现更加几何鲁棒的物体和特征，即使仅使用单个图像作为输入，也可在常见基准测试中实现最先进的性能，并提供了广泛的实验证据。通过确定性的注视地图，我们证明网络通过学习拒绝动态物体来提高全局相机位姿回归性能。

Sep, 2019

提出了一种名为 COSNet 的新型网络，用于表示全局视角下的无监督视频对象分割任务，其中利用全局注意机制结合视频帧之间的相关性，训练效果超越当前的深度学习方法。

Jan, 2020

本研究提出了一种面向大规模细粒度图像检索的属性感知哈希网络，通过生成属性感知哈希码，既能提高检索效率，又能建立哈希码和视觉属性之间的明确对应关系。在无监督的条件下，通过注意力捕获视觉表征并开发一个编码器 - 解码器结构网络的重构任务，从外观特定的视觉表征中提取高层次的属性特定向量，进一步通过特征去相关性约束来增强它们的代表性。通过保持原始实体的相似性，可以从这些属性特定向量生成所需的哈希码，从而成为属性感知的哈希码。在六个细粒度检索数据集和两个通用检索数据集上进行了全面的定量实验证明了我们模型相对于竞争方法的优越性。

Nov, 2023

通过介绍 Object State Captioning and State Change Representation (OSCaR) 数据集和基准测试，本文旨在解决智能模型在理解和推测物体状态变化方面的挑战，提出了一种新的评估多模态大型语言模型 (MLLMs) 的方法，并表明现有的模型在理解这些变化方面仍需要进一步改进。

Feb, 2024

本文提出了一种名为图像级别关注上下文建模（ILAC）的新场景图生成方法，旨在建立一个基于图像级别特征的关注图网络，从而有效地在图形间传播上下文信息。该方法使用单流网络迭代地优化场景图，展现了与基于物体的上下文相比有更好的性能，在 Visual Genome 数据集上表现优异，需要的参数比其他方法少，并且在结合关系图像级别信息后，还可以提高常规物体探测器的性能。

Nov, 2018

基于背门攻击的开放集分类器的合成图像溯源方法 (BOSC)，通过注入类特定触发器来诱导网络建立类特征与触发特征的匹配，以此设计分类器并进行样本拒绝的方法。在实验证明该方法在合成图像溯源任务中表现良好，超过了最先进技术，并且对图像处理具有很好的鲁棒性，同时该框架还可应用于其他图像取证应用领域。

May, 2024

我们提出了基于图注意力网络的方法，利用场景三角网格表示来估计动态环境下的图像相机位置，通过三个组件（图神经网络、卷积神经网络和神经网络模型）的端到端训练，结合 RANSAC 算法和点云表示有效地提高了相机位置精度。

Sep, 2022

本文提出 Attention and CL loss，结合了 center，online soft mining (OSM) loss 和 attention loss，运用于基于时间注意力的神经网络上，通过一系列训练技巧，优于现有状态的 person Re-ID 数据集，MARS 和 PRID 2011。

Nov, 2019