# \#scene-graph-generation **URL:** https://discuss.pytorch.kr/tag/scene-graph-generation/9216.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [RelateAnything: 객체 레이블 없이 관계 어휘를 문자열로 받는 실시간 개방형 관계 예측 모델](https://discuss.pytorch.kr/t/relateanything/12041)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 30, 2026, 5:30오전 UTC](https://discuss.pytorch.kr/t/relateanything/12041 "2026-09-30T05:30:42Z")
RelateAnything 논문 소개 RelateAnything은 이미지와 임의의 출처에서 온 영역(region), 그리고 추론(Inference) 시점에 문자열 목록으로 넘겨주는 관계 어휘를 입력받아, 영역 쌍마다 점수가 매겨진 관계를 돌려주는 5,300만(53M) 파라미터 규모의 관계 예측 모델입니다. 사진 한 장을 보고 "사람이 말을 타고 있다", "버스가 가로등 옆에 서 있다"처럼 물체 사이의 관계를 말하는 일은 사람에게는 쉽지만, 지금까지의 장면 그래프 모델은 학습 때 정해 둔 50여 개의 관계 이름 밖으로는 답하지 못했습니다. 이 논문은 이 제약을 모델, 학습 데이터, 평가 방식의 세 방향에서 함께 풀려고 합니다. 장면 그래프 생성이 여전히 50개 술어에 묶여 있는 이유 최근 몇 년 사이 컴퓨터 비전에서는 "무엇을 찾을지"를 모델 밖으로 꺼내는 흐름이 뚜렷했습니다. 개방형 어휘(Open-Vocabulary) 객체 검출(Object Detection) 모델은 추론 시점에 임의의 클래스 목록을 받아들이고, YOLO-World나 YOLOE처럼 실시간으로 동작하는 모델도 나왔습니다. Segment Anything 계열처럼 프롬프트로 동작하는 분할 모델은 아예 클래스 이름이 없는 영역을 돌려줍니다. 두 경우 모두 분류체계(Taxonomy)가 모델 내부를 떠나 입력이 되었고, 덕분에 처음 만들어질 때 염두에 두지 않았던 도메인에도 바로 적용할 수 있게 되었습니다. 관계 예측은 아직 이 전환을 하지 못했습니다. 관계 예측을 담당하는 장면 그래프 생성(SGG, Scene Graph Generation) 연구는 여전히 VG150의 50개 술어(Predicate) 나 PSG의 56개 술어로 학습하고 평가합니다. 주류 구조는 하나의 백본(Backbone)에서 객체와 관계를 함께 예측하고, 관계 헤드를 예측된 객체 클래스에 조건화합니다. 이렇게 하면 레이블 공간이 고정되고, 실제 배포 환경에서 쓸 수 있는 다른 검출기, 클래스 없는 분할기, 사람이 직접 그린 박…