論文の概要: SWORD: Scene-Grounded Wasserstein Object-Relation Distance for 3D Scene Graph Prediction

• arxiv url: http://arxiv.org/abs/2610.17692v1
• Date: Tue, 13 Oct 2026 04:18:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 17:39:28.599506
• Title: SWORD: Scene-Grounded Wasserstein Object-Relation Distance for 3D Scene Graph Prediction
• Title（参考訳）: SWORD:Scene-Grounded Wasserstein Object-Relation Distance for 3D Scene Graph Prediction
• Abstract要約: 3次元シーングラフ予測は、一般的にオブジェクトノードとリレーショナルエッジの分類損失に最適化される。 本稿では,Scene-Grounded Wasserstein Object-Relation Distanceを提案する。 SWORDは、トレーニングシーングラフアノテーションからブロック正規化オブジェクトとリレーショナルグラウンド距離メトリクスを構築する。 我々は、SWORD が一致した辺縁確率的シーングラフの厳密な計量であることを証明した。
• 参考スコア（独自算出の注目度）: 4.494666887655785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D scene graph prediction is commonly optimized with object-node and relation-edge classification losses. These objectives encourage exact object and relation label recovery, but they do not directly optimize semantic proximity to the ground-truth scene graph: two wrong graphs can receive comparable penalties even when one is much closer in object roles and relation contexts. A direct graph-distance loss is difficult in general, since graph matching and graph edit distance require correspondence search and edit-cost design. Our key observation is that prior supervised 3D scene graph prediction protocols are conducted on fixed object-node indices and supervised edge slots. This can turn a scene graph comparison into a well-defined aligned graph-distance problem. To this end, we propose SWORD, a Scene-Grounded Wasserstein Object-Relation Distance that builds block-normalized object and relation ground distance metrics from training scene graph annotations through a deterministic base-to-context order, without external semantic priors. SWORD lifts these metrics to Wasserstein distances over aligned node and null-augmented edge marginals, providing semantic graph-distance supervision beyond exact-label penalties while preserving the ground-truth graph as the unique zero-distance solution in aligned marginal probability space. We prove that SWORD is a strict metric on aligned marginal probabilistic scene graphs, preserves scene-graph-grounded substitution ordering, controls additive graph-grounded semantic observables, and yields a surrogate upper-bounding decoded semantic error.
• Abstract（参考訳）: 3次元シーングラフ予測は、一般的にオブジェクトノードとリレーショナルエッジの分類損失に最適化される。 これらの目的は、正確なオブジェクトとリレーショナルラベルのリカバリを奨励するが、それらのグラフは、接頭辞のシーングラフへのセマンティックな近接を直接最適化しない。 グラフマッチングとグラフ編集距離は対応検索と編集コスト設計を必要とするため,グラフ距離の損失は一般的には困難である。 我々のキーとなる観察は、固定されたオブジェクトノードインデックスと教師付きエッジスロット上で、事前教師付き3次元シーングラフ予測プロトコルが実行されることである。 これにより、シーングラフの比較を、適切に定義された整列グラフ距離問題に変換することができる。 この目的のために,Scene-Grounded Wasserstein Object-Relation Distance(SWORD)を提案する。 SWORDはこれらの測度を、アライメントノードとヌル拡張エッジの辺辺辺のワッサースタイン距離に引き上げ、アライメントされた辺辺の確率空間における唯一のゼロ距離解として接地トラスグラフを保存しながら、正確なラベルのペナルティを超えたセマンティックグラフ距離の監督を提供する。 SWORDは境界確率的シーングラフの厳密な計量であり、シーングラフの接地置換順序を保ち、追加グラフの接地意味観測を制御し、サロゲート上の有界デコードされたセマンティックエラーを発生させる。

関連論文リスト

• A Differentiable 3D Scene Graph Metric via Contextual Hellinger Triplet Geometry [4.910100680096305]
  3次元シーングラフの予測は、通常、局所オブジェクトと述語分類損失によって監督される。 本研究では,3次元シーングラフ間の意味的および構造的相違を計測するグラフレベルの監視対象であるコンテキストヘルリングス・トリプルト幾何を提案する。
  論文  参考訳（メタデータ） (2026-10-13T04:35:34Z)
• Probabilistic Scene Graphs: Hierarchical Representation and Real-time System [6.078940412779971]
  3Dシーングラフは、ロボット知覚のための意味的にリッチで階層的な表現を提供する。 本稿では,従来のシーングラフを一般化した確率的シーングラフ(PSG)を紹介する。 PSGは明示的な信念として不確実性を維持し、グラフを構築して洗練する操作を通じてそれを伝播させる。
  論文  参考訳（メタデータ） (2026-09-19T17:21:58Z)
• VIZOR: Viewpoint-Invariant Zero-Shot Scene Graph Generation for 3D Scene Reasoning [1.9190955990713918]
  3次元シーン推論(VIZOR)のための視点不変ゼロショットシーングラフ生成を提案する。 VIZORは、生の3Dシーンから直接、密集した視点不変の3Dシーングラフを構築する、トレーニングフリーでエンドツーエンドのフレームワークである。 注釈付きトレーニングデータを必要とすることなく、シーンオブジェクト間の空間的および近接的な関係を記述するオープン語彙関係を推論する。
  論文  参考訳（メタデータ） (2026-01-31T10:11:27Z)
• Edge-Centric Relational Reasoning for 3D Scene Graph Prediction [74.19580969696898]
  3Dシーングラフ予測は、複雑な3D環境をオブジェクトとそのペア関係からなる構造化グラフに抽象化することを目的としている。 既存のアプローチでは、接続されたオブジェクトノードからメッセージを集約することで、関係エッジ機能を反復的に更新するオブジェクト中心のグラフニューラルネットワークが一般的である。 本稿では,オブジェクト認識融合を用いたリンク誘導エッジ中心関係推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-19T09:53:56Z)
• Incremental 3D Semantic Scene Graph Prediction from RGB Sequences [86.77318031029404]
  RGB画像列が与えられたシーンの一貫性のある3Dセマンティックシーングラフをインクリメンタルに構築するリアルタイムフレームワークを提案する。 提案手法は,新たなインクリメンタルエンティティ推定パイプラインとシーングラフ予測ネットワークから構成される。 提案するネットワークは,シーンエンティティから抽出した多視点および幾何学的特徴を用いて,反復的メッセージパッシングを用いた3次元セマンティックシーングラフを推定する。
  論文  参考訳（メタデータ） (2023-05-04T11:32:16Z)
• Location-Free Scene Graph Generation [45.366540803729386]
  シーングラフ生成(SGG)は視覚的理解タスクであり、シーンをエンティティのグラフとして記述し、互いに関連付けることを目的としている。 既存の作業は、バウンディングボックスやセグメンテーションマスクといった形で位置ラベルに依存しており、アノテーションのコストが増加し、データセットの拡張が制限されている。 我々は、この依存関係を破り、位置のないシーングラフ生成(LF-SGG)を導入する。 本課題は, 空間的局所化を明示的に計算することなく, 実体のインスタンスと関係性を予測することを目的とする。
  論文  参考訳（メタデータ） (2023-03-20T08:57:45Z)
• Self-Supervised Relation Alignment for Scene Graph Generation [44.3983804479146]
  シーングラフ生成性能を改善するために,自己教師付きリレーショナルアライメントの正規化を導入する。 提案されたアライメントは一般的なもので、既存のシーングラフ生成フレームワークと組み合わせることができる。 本稿では,この自己教師付きリレーショナルアライメントと2つのシーングラフ生成アーキテクチャの有効性について述べる。
  論文  参考訳（メタデータ） (2023-02-02T20:34:13Z)
• Diffusion-Based Scene Graph to Image Generation with Masked Contrastive Pre-Training [112.94542676251133]
  画像とのアライメントを直接最適化することで,シーングラフの埋め込みを学習する。 具体的には,シーングラフからグローバル情報とローカル情報の両方を抽出するエンコーダを事前訓練する。 SGDiffと呼ばれる結果の方法は、シーングラフノードと接続を変更することによって生成された画像のセマンティックな操作を可能にする。
  論文  参考訳（メタデータ） (2022-11-21T01:11:19Z)
• Learning 3D Semantic Scene Graphs from 3D Indoor Reconstructions [94.17683799712397]
  我々は、グラフ内のシーンのエンティティを整理するデータ構造であるシーングラフに焦点を当てる。 本研究では,シーンの点雲からシーングラフを回帰する学習手法を提案する。 本稿では,3D-3Dおよび2D-3Dマッチングの中間表現としてグラフが機能するドメインに依存しない検索タスクにおける本手法の適用について述べる。
  論文  参考訳（メタデータ） (2020-04-08T12:25:25Z)

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。