論文の概要: Graph-Based Social Relation Reasoning
- arxiv url: http://arxiv.org/abs/2007.07453v3
- Date: Fri, 17 Jul 2020 07:20:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-10 05:55:42.769901
- Title: Graph-Based Social Relation Reasoning
- Title(参考訳): グラフに基づく社会関係推論
- Authors: Wanhua Li, Yueqi Duan, Jiwen Lu, Jianjiang Feng, Jie Zhou
- Abstract要約: 社会関係認識のためのグラフ関係推論ネットワーク(GR2N)を提案する。
本手法は,社会関係グラフの構築による連関関係推定のパラダイムを考察する。
実験結果から,本手法は合理的で一貫した社会関係グラフを生成することが示された。
- 参考スコア(独自算出の注目度): 101.9402771161935
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human beings are fundamentally sociable -- that we generally organize our
social lives in terms of relations with other people. Understanding social
relations from an image has great potential for intelligent systems such as
social chatbots and personal assistants. In this paper, we propose a simpler,
faster, and more accurate method named graph relational reasoning network
(GR2N) for social relation recognition. Different from existing methods which
process all social relations on an image independently, our method considers
the paradigm of jointly inferring the relations by constructing a social
relation graph. Furthermore, the proposed GR2N constructs several virtual
relation graphs to explicitly grasp the strong logical constraints among
different types of social relations. Experimental results illustrate that our
method generates a reasonable and consistent social relation graph and improves
the performance in both accuracy and efficiency.
- Abstract(参考訳): 人間は基本的に、他人との関係という観点から、社会生活を組織化するものです。
画像から社会的関係を理解することは、ソーシャルチャットボットやパーソナルアシスタントのようなインテリジェントなシステムにとって大きな可能性を秘めている。
本稿では,ソーシャル関係認識のためのよりシンプルで高速で正確なグラフ関係推論ネットワーク(gr2n)を提案する。
画像上のすべての社会的関係を独立に処理する既存の方法とは違い,社会関係グラフを構築することによって関係を共同で推論するパラダイムを考察する。
さらに,提案するgr2nは,様々な社会関係の強い論理制約を明示的に把握するために,複数の仮想関係グラフを構築している。
実験結果から,本手法は合理的で一貫した社会関係グラフを生成し,精度と効率の両面での性能向上を図っている。
関連論文リスト
- From a Social Cognitive Perspective: Context-aware Visual Social Relationship Recognition [59.57095498284501]
我々は,textbfContextual textbfSocial textbfRelationships (textbfConSoR) を社会的認知の観点から認識する新しいアプローチを提案する。
画像ごとの社会的関係を考慮した社会認識記述言語プロンプトを構築した。
印象的なことに、ConSoRは従来の手法を上回り、Person-in-Social-Context(PISC)データセットでは12.2%、Person-in-Photo-Album(PIPA)ベンチマークでは9.8%向上している。
論文 参考訳(メタデータ) (2024-06-12T16:02:28Z) - Graph Bottlenecked Social Recommendation [47.83350026188183]
本稿では,社会騒音問題に対処するための新しいグラフ・ボトルネック・ソーシャル・レコメンデーション(GBSR)フレームワークを提案する。
GBSRはモデルに依存しないソーシャル・デノベーション・フレームワークであり、認知されたソーシャル・グラフとレコメンデーション・ラベルの相互情報の最大化を目的としている。
論文 参考訳(メタデータ) (2024-06-12T13:44:22Z) - Improving (Dis)agreement Detection with Inductive Social Relation
Information From Comment-Reply Interactions [49.305189190372765]
社会関係情報は、テキスト情報以外の(認識の)タスクにおいて補助的な役割を果たすことができる。
本稿では,このような関係情報を(離散化)データから帰納的社会関係グラフに抽出する手法を提案する。
社会関係は,特に長時間のコメント-返信ペアにおいて,(不一致)認識モデルの性能を高めることができる。
論文 参考訳(メタデータ) (2023-02-08T09:09:47Z) - SocAoG: Incremental Graph Parsing for Social Relation Inference in
Dialogues [112.94918467195637]
対話から社会的関係を推定することは、感情的に知的なロボットを構築するのに不可欠である。
我々は、グループ間の関係の整合性のために、SocAoGという名前のAnd-or Graphとしてソーシャルネットワークをモデル化する。
DialogRE と MovieGraph の実証実験結果から,我々のモデルは最先端の手法よりも社会的関係を正確に推定できることがわかった。
論文 参考訳(メタデータ) (2021-06-02T08:07:42Z) - Recursive Social Behavior Graph for Trajectory Prediction [49.005219590582676]
我々は、グループベースのアノテーションによって管理される社会表現を、再帰的社会行動グラフと呼ばれる社会行動グラフに定式化する。
再帰的社会行動グラフ(Recursive Social Behavior Graph)のガイダンスにより、EDHおよびUCYデータセットにおける最先端の手法をADEの11.1%、FDEの10.8%で上回る。
論文 参考訳(メタデータ) (2020-04-22T06:01:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。