Factorizable Net= An Efficient Subgraph-based Framework for Scene Graph Generation
我的想法是将场景进行panoptic segmentation 之后再在每个物体上进行hierarchical part relation detection，异曲同工。
RelTR= Relation Transformer for Scene Graph Generation
RelTR是自下而上的方法, 使用基于Transformer的 object detector（例如DETR）生成对象候选者，然后使用relation transformer来预测object pairs之间的关系。它还设计了一种基于积分的关系表示方法，该方法将关系编码为二维矢量场。
Fully Convolutional Scene Graph Generation
 Fully Convolutional Scene Graph Generation/Pasted_image_20250314123239.png)
这个模型受启发于 [[CenterNet]] 和 [[OpenPose Using Part Affinity Fields]]，通过添加一个新的用于生成RAF的卷积头来获取物体之间的关系。
Image Retrieval using Scene Graphs
Building an efficient structured representation that captures comprehensive semantic knowledge is a crucial step towards a deeper understanding of visual scenes
