摘要
场景图生成（Scene Graph Generation, SGG）旨在检测图像中的物体及其成对之间的语义关系。近年来的研究中，有三个关键的场景图属性尚未得到充分探索：即边的方向信息、节点间的优先级差异，以及关系类型的长尾分布问题。针对上述问题，本文提出了一种图属性感知网络（Graph Property Sensing Network, GPS-Net），全面挖掘并利用这三个属性以提升SGG性能。首先，我们设计了一种新颖的消息传递模块，通过引入与节点相关的上下文信息来增强节点特征表示，并采用三线性模型对边的方向信息进行编码，从而更精确地建模关系的方向性。其次，为反映训练过程中节点间的优先级差异，我们提出了一种节点优先级敏感损失函数。该方法通过设计一个映射函数，动态调整焦点损失（focal loss）中的聚焦参数，使模型在训练时更加关注具有更高优先级的节点对。第三，考虑到关系类型的出现频率受长尾分布问题的显著影响，我们提出一种两阶段处理策略：首先对关系分布进行软化处理，随后根据每对主语-宾语的视觉外观特征，动态调整其关系分布的权重，以缓解长尾带来的偏差。系统性实验证明了所提方法的有效性。此外，GPS-Net在三个主流数据集（VG、OI和VRD）上均取得了显著优于现有方法的性能，实现了多种设置和评估指标下的最新技术水平。相关代码与模型已公开发布于：\url{https://github.com/taksau/GPS-Net}。