Tag · 7 篇

场景图生成

分布视觉语言模型33D 视觉与重建1鲁棒性与安全1目标检测与定位1生成模型与扩散1

SPREAD: Spatial-Physical REasoning via geometry Aware Diffusion

以带位姿的场景点云作为几何条件、用图 Transformer 联合建模空间与物理关系，并通过可微碰撞/重力/关系约束引导扩散采样，这套「几何感知条件 + 可微物理引导」的组合可直接迁移到具身智能的仿真场景合成与 3D 场景布局生成任务。

Robo-SGG: Exploiting Layout-Oriented Normalization and Restitution Can Improve Robust Scene Graph Generation

针对损坏图像下的场景图生成，提出利用对域偏移鲁棒的布局信息（实例归一化+布局导向恢复+布局嵌入编码器）来增强视觉特征鲁棒性，该即插即用模块可集成到任意基线SGG模型中，为处理域偏移提供了一种可复用的思路。

NeuroRule: Bridging Vision and Logic with Differentiable Rule Induction

将视觉特征映射为概率符号表示，并用可微规则学习引擎自动发现一阶逻辑规则，为关系预测提供透明解释；这种神经符号桥接思路可迁移到其他需要组合推理的视觉任务（如视觉问答、指代分割）。

Mixture-of-Experts based Feature Decoupling for Open Vocabulary Scene Graph Generation

MoE-FD 通过门控网络自适应解耦物体与关系特征，并用迭代交叉注意力建模语义交互，可直接用于开放词表场景图生成中提升新类别判别力与图文对齐精度。

End-to-End Hyper-Relational Information Extraction for Engineering Diagrams via Dynamically Tokenized Relation Transformer

DTRT 用动态 token 缩减与关系 Transformer 端到端地从高分辨率工程图中抽取符号、连线与文本之间的超关系，可直接迁移到需要同时定位元件并建模拓扑连接的场景（如电路图、流程图解析），其动态 token 剪枝策略对高分辨率图像的高效 Transformer 推理也有参考价值。

Can We Build Scene Graphs, Not Classify Them? FlowSG: Progressive Image-Conditioned Scene Graph Generation with Flow Matching

把流匹配从图像生成迁移到结构化图输出：用连续速度场搬运框几何、用离散流更新类别 token，为视觉中「结构化预测当作生成任务」提供了可复用的混合离散-连续生成范式，且可插拔到现有检测器/分割器上。

BUSSARD: Normalizing Flows for Bijective Universal Scene-Specific Anomalous Relationship Detection

把场景图里的物体-关系-物体三元组用语言模型嵌入后接归一化流做似然式异常检测，为视觉关系理解提供了一个可复用的『关系级异常打分』范式，可直接迁移到场景图生成的关系合理性校验或开放世界关系检测。