Scene graph の各部分グラフについて重要度を計算し、重要度の高い部分グラフに対応するキャプションを生成する。 それによって正確、多様、制御可能で、画像への grounding も可能なキャプション生成ネットワークを設計した。

Diversity、grounding、controllability などのベンチマークでので SOTA を達成した。

http://pages.cs.wisc.edu/~yiwuzhong/Sub-GC.html