SGTR+= End-to-end Scene Graph Generation with Transformer
SGTR 是一种自上而下的方法，该方法首先使用基于Transformer的生成器来生成一组可学习的triplet queries (subject–predicate–object)，然后使用级联的triplet detector逐步完善这些查询并生成最终场景图。它还提出了一种基于结构化发生器的实体感知关系表示方法，该方法利用了关系的组成属性。
DETR是一个使用transformer作为基本架构的 object detection 模型。
注：此DINO并非自蒸馏自监督的那个[[DINO]]，而是派生自[[DETR]]
