ChocoWu/Awesome-Scene-Graph-Generation

这个项目是什么？

一个精选的**“awesome列表”——一个单一、组织良好的仓库，作者在其中收集关于场景图生成**（SGG）的关键资源。它是一个参考索引，本身不是软件包，但链接到许多工具、论文和数据集。

什么是场景图？（来自README的介绍）

一种将场景（来自文本、图像或视频）描述为图的方式：

• 节点 = 对象，带有类别标签、属性和边界框（对象所在位置）
• 边 = 对象之间的成对关系

可以把它想象成将一张图片转换为结构化描述，如“人——坐在——椅子上”。

里面有什么

• 🏷️ 数据集：一个包含约30多个数据集的大型表格，涵盖多种模态——图像、视频、3D、4D、文本、卫星图像、交通场景、第一人称视频等。每行列出对象类别、关系类别和实例数量等统计信息。
• 🧩 场景表示：按8种表示场景的方式组织的论文——补丁/令牌、对象中心槽、神经隐式场（如NeRF）、显式3D、动态/4D/视频、世界模型潜在、语言基础和符号/基于程序。
• 🍕 场景图生成：按任务类型划分的论文——2D图像SGG、全景SGG、时空视频SGG、音频SGG、3D/4D SGG、文本SGG、地图空间SGG、通用SGG和世界SGG。
• 🥝 应用：场景图如何被使用——图像/视频检索、字幕生成、生成、视觉推理、3D场景生成、减少视觉语言模型中的幻觉等。
• 🤶 额外内容：评估指标、工具包、研讨会、综述和重要工作。

工具包亮点（在README中链接）

列出了几个工具：

• Stanford Scene Graph Parser、SceneGraphParser、FactualSceneGraph——文本到场景图的解析器
• Scene-Graph-Benchmark.pytorch、SGG-Benchmark——基准代码库（SGG-Benchmark被描述为常见方法的“最新且易于运行”实现）
• SGG-Annotate——一个用于COCO格式视觉关系的现代标注工具
• RelateAnything——从任何输入进行实时、开放词汇的关系预测

维护者的新闻和近期新增

• OmniSG——一个用于文本、图像、视频和3D场景图解析的统一工具包，带有Web UI演示和评估脚本
• VSG-Annotator——一个用于标注视频场景图的工具
• Scene Graph Series——一个收集他们所有场景图相关工作的项目网站
• WACV26研讨会关于“场景图用于结构化智能”（一个计算机视觉会议研讨会）

社区与讨论

该仓库在Issues标签中运行一个**“热门话题”**板块——开放线程如：

• “场景图仍然是表示和理解场景的好方法吗？”
• “世界模型需要对象吗？”

维护者明确邀请贡献、合作和关于该领域未来的讨论。