مروری جامع بر مدل های گراف- بینایی برای مدل سازی روابط فضایی در تصاویر پیچیده

مدل سازی روابط فضایی میان اشیاء در تصاویر پیچیده یکی از چالش های بنیادی در بینایی ماشین به شمار می رود، زیرا بسیاری از مفاهیم معنایی در تصویر نه تنها به حضور اشیاء بلکه به نحوه ارتباط و آرایش آن ها وابسته است. مدل های گراف- بینایی با نمایش عناصر تصویر به صورت گره ها و روابط میان آن ها به صورت یال ها، چارچوبی موثر برای استخراج ساختارهای رابطه ای فراهم می کنند. این رویکردها امکان ترکیب اطلاعات محلی ویژگی های بصری با وابستگی های ساختاری میان اشیاء را فراهم کرده و درک سطح بالاتری از صحنه ایجاد می کنند. پیشرفت های اخیر در شبکه های عصبی گرافی، گراف های صحنه، و معماری های ترکیبی مبتنی بر ترنسفورمر موجب بهبود قابل توجه در تشخیص روابط فضایی، استدلال بصری و درک صحنه های پیچیده شده است. با این حال، چالش هایی نظیر مقیاس پذیری گراف ها، نویز در استخراج روابط، و نیاز به داده های حاشیه نویسی شده دقیق همچنان پابرجاست. بررسی رویکردهای موجود نشان می دهد که ادغام نمایش های گرافی با مدل های عمیق بینایی مسیر امیدوارکننده ای برای ارتقای درک ساختاری تصاویر پیچیده فراهم می کند.

کلیدواژه ها:

مدل های گراف- بینایی ، روابط فضایی ، شبکه های عصبی گرافی ، گراف صحنه ، استدلال بصری