画像内のすべての関係を記述するためのシーングラフ生成は、近年ますます注目を集めています。しかし、これまでの多くの手法は複雑な構造と遅い推論速度を使用していたり、外部データに依存しているため、実際の使用場面でのモデルの利用が制限されていました。シーングラフ生成の効率を向上させるために、本研究では推論時にシーングラフを簡潔に表現するためのサブグラフベースの接続グラフを提案します。まず、ボトムアップクラスタリング法を使用して全体的なシーングラフをサブグラフに分解します。各サブグラフにはいくつかのオブジェクトとそれらの一部の関係が含まれます。多数の関係表現を少数のサブグラフとオブジェクト特徴で置き換えることで、中間段階での計算量が大幅に削減されます。さらに、サブグラフ特徴によって空間情報が維持され、我々が提案する空間重み付けメッセージ伝播（Spatial-weighted Message Passing: SMP）構造と空間感応関係推論（Spatial-sensitive Relation Inference: SRI）モジュールにより関係認識が促進されます。最近の視覚的関係検出およびVisual Genomeデータセットにおいて、我々的方法は精度と速度双方で最先端手法を上回っています。