نعالج مشكلة التعرف على الحالات في الصور. عند إعطاء صورة معينة، يكون الهدف هو التنبؤ بالفعل (الحركة) الأكثر بروزًا، وملء الأدوار الدلالية له مثل من يقوم بالفعل، وما هو المصدر أو الهدف من الفعل، إلخ. تختلف الأفعال في أدوارها (مثلاً: يحتوي فعل "الهجوم" على دور "السلاح")، ويمكن لكل دور أن يأخذ قيمًا متعددة ممكنة (أسماء). نقترح نموذجًا يعتمد على الشبكات العصبية الرسومية (Graph Neural Networks) يمكّننا من التقاط الاعتماديات المشتركة بين الأدوار بكفاءة باستخدام شبكات عصبية معرفة على الرسم البياني. أظهرت التجارب التي أجريت باستخدام أنواع مختلفة من التوصيلات الرسومية أن نهجنا، الذي يُجري تبادل المعلومات بين الأدوار، يتفوق بشكل ملحوظ على الطرق الحالية، وكذلك على عدة نماذج معيارية (baselines). وحققنا تحسنًا قدره حوالي 3 إلى 5% مقارنة بالعمل السابق في التنبؤ بالحالة الكاملة. كما قدمنا تحليلًا كميًا شاملاً لنموذجنا، ودراسة لتأثير الأدوار المختلفة في الأفعال.