细粒度场景图生成的自适应自训练框架
原文中文,约400字,阅读约需1分钟。发表于: 。通过利用未标注的三元组,本研究介绍了一种自我训练框架(ST-SGG),以缓解场景图生成模型在长尾问题上的困扰。同时提出了一种适用于任何现有场景图生成模型的称为 Class-specific Adaptive Thresholding with...
本研究介绍了一种自我训练框架(ST-SGG),通过利用未标注的三元组来缓解场景图生成模型在长尾问题上的困扰。同时提出了一种新型伪标记技术(CATM)和图结构学习器(GSL),对现有场景图生成模型具有益处。实验证明ST-SGG在各种场景图生成模型中有效,特别是在细粒度谓词类的性能提升方面。