HSG: Hyperbolisch Scènegraf
HSG: Hyperbolic Scene Graph
April 19, 2026
Auteurs: Liyang Wang, Zeyu Zhang, Hao Tang
cs.AI
Samenvatting
Scenegrafiekrepresentaties maken gestructureerd visueel begrip mogelijk door objecten en hun relaties te modelleren, en worden veelvuldig gebruikt voor multiview- en 3D-scèneredenering. Bestaande methoden zoals MSG leren scenegrafiek-embeddingen in de Euclidische ruimte met behulp van contrastief leren en op aandacht gebaseerde associatie. Echter, Euclidische meetkunde vangt hiërarchische implicatierelaties tussen plaatsen en objecten niet expliciet, wat de structurele consistentie van de geleerde representaties beperkt. Om dit aan te pakken, stellen wij Hyperbolische Scenegrafiek (HSG) voor, die scenegrafiek-embeddingen leert in de hyperbolische ruimte waar hiërarchische relaties van nature worden gecodeerd door geometrische afstand. Onze resultaten tonen aan dat HSG de kwaliteit van de hiërarchische structuur verbetert terwijl sterke retrievalscore behouden blijft. De grootste verbeteringen worden waargenomen in grafiekniveau-metrics: HSG behaalt een PP IoU van 33.17 en de hoogste Graph IoU van 33.51, wat de beste AoMSG-variant (25.37) met 8.14 overtreft, en benadrukt de effectiviteit van hyperbolische representatieleren voor scenegrafiekmodellering. Code: https://github.com/AIGeeksGroup/HSG.
English
Scene graph representations enable structured visual understanding by modeling objects and their relationships, and have been widely used for multiview and 3D scene reasoning. Existing methods such as MSG learn scene graph embeddings in Euclidean space using contrastive learning and attention based association. However, Euclidean geometry does not explicitly capture hierarchical entailment relationships between places and objects, limiting the structural consistency of learned representations. To address this, we propose Hyperbolic Scene Graph (HSG), which learns scene graph embeddings in hyperbolic space where hierarchical relationships are naturally encoded through geometric distance. Our results show that HSG improves hierarchical structure quality while maintaining strong retrieval performance. The largest gains are observed in graph level metrics: HSG achieves a PP IoU of 33.17 and the highest Graph IoU of 33.51, outperforming the best AoMSG variant (25.37) by 8.14, highlighting the effectiveness of hyperbolic representation learning for scene graph modeling. Code: https://github.com/AIGeeksGroup/HSG.