三维场景图生成（3DSGG）是一种将三维场景表示为结构化图的技术，其中节点代表物体，边代表物体之间的关系。这种表示方式为空间理解和场景推理提供了紧凑且可解释的抽象，在机器人导航、增强现实和具身智能等领域具有广泛应用。然而，在实际应用中，智能体往往需要从不同视角观察同一场景，例如机器人绕物体旋转或无人机改变航向。现有的大多数3DSGG模型在处理视角变化时表现不佳，它们的关系预测往往不能正确反映视角变换带来的关系变化。例如，当观察者向左旋转90度时，原本在左侧的物体可能变成在前方，但模型可能会错误地保持原来的关系标签。
研究团队发现，这一问题的根源在于谓词级别的变换异质性。具体而言，方向性谓词（如“左”、“前”、“右”、“后”）应当随着观察框架的旋转而相应变化，而接触、支撑和语义谓词（如“站立在”、“附着于”、“连接”）则应当保持稳定。然而，现有模型通常对所有谓词一视同仁，导致在视角变化时产生不一致的预测。为了解决这个问题，研究者提出了变换感知解耦（Transformation-Aware Decoupling, TAD）框架，这是一种视角鲁棒的3DSGG方法。
TAD的核心思想是将关系推理分解为两个并行的分支。第一个分支负责学习跨视角保持稳定的关系线索，即那些不随视角变化而改变的语义和接触关系。第二个分支则专注于学习方向性线索，这些线索需要根据观察框架的变化而动态调整。两个分支的输出随后被合并，用于标准的多元谓词预测任务。为了进一步增强两个分支的互补性，TAD引入了变换特定描述符（Transformation-specific Descriptors）和组感知辅助监督（Group-aware Auxiliary Supervision）机制。变换特定描述符为不同的视角变换提供显式的特征表示，而组感知监督则鼓励模型根据谓词的变换行为将其分组，从而更有效地分离稳定和动态的特征。
在著名的3DSSG数据集上，研究团队进行了大量实验。结果表明，TAD在不使用训练时旋转数据增强的情况下，在偏航视角变化下达到了最先进的鲁棒性，同时保持了在标准基准上的竞争力。与现有的多个基线模型相比，TAD在关系预测的准确性和一致性上都有显著提升。此外，TAD在零样本视角迁移场景中也表现出色，证明了其泛化能力。
这项工作的意义在于，它为3D场景理解中的视角动态性问题提供了一种优雅的解决方案，使得智能体能够更可靠地感知和交互环境。未来，该方法有望扩展到更复杂的视角变化（如俯仰和翻滚）以及更多的交互类型。相关代码和项目页面已公开，供研究者进一步探索和验证。