Tag · 2 篇
关系推理
分布 视觉语言模型1目标检测与定位1
01 02
关系视觉相似性
Relational Visual Similarity
提出关系相似度这一新度量维度，并给出可操作的构建方法：用匿名化描述关系逻辑的caption微调VLM，使表征空间按关系结构而非表观属性聚类，可直接用于检索、类比推理等需要超越LPIPS/CLIP/DINO的场景。
RegFormer：面向高效弱监督人-物交互检测的可迁移关系视觉定位
RegFormer: Transferable Relational Grounding for Efficient Weakly-Supervised Human-Object Interaction Detection
RegFormer 用空间视觉定位信号作为弱监督 HOI 推理的引导，把图像级交互推理直接迁移到实例级，无需额外训练；对做 HOI、场景图或弱监督定位的研究者，这是一个可复用的「定位引导关系推理」模块，能绕开枚举实例对带来的计算开销与假阳性。