视觉语义对齐

基于混合专家的特征解耦用于开放词表场景图生成

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。