本文介绍了一种名为Dual-Glance的模型，通过提取人物关注视线特征，结合注意力机制识别图片中的社交关系。该方法采用Adaptive Focal Loss处理模糊注释，实验结果显示其在社交关系识别中表现优异。此外，研究还提出了基于多粒度推理的框架和其他视觉关系检测方法，均在多个数据集上取得了良好效果。

该研究探讨了基于图神经网络的多目标跟踪和视觉关系检测算法，展示了其在运动对象分割、人物重识别和视频交互识别等领域的优越性，显著提高了检测的准确性和效率。

本文提出了一种新型场景图生成算法，结合外部知识和图像重建损失，提升场景图的可推广性，并解决嘈杂对象注释偏差问题。实验结果表明，该框架在“视觉关系检测”和“视觉基因组”数据集上表现优异。

本研究提出了一种自然语言引导的框架，结合双向循环神经网络和语义连接进行视觉关系检测，特别在未预测关系上表现优异。通过整合视觉和语义特征，改进了零样本预测技术，并在多个数据集上取得最佳性能，提升了图像理解和检索的准确性。