三維場景圖生成（3DSGG）是一種將三維場景表示為結構化圖的技術，其中節點代表物體，邊代表物體之間的關係。這種表示方式為空間理解和場景推理提供了緊湊且可解釋的抽象，在機器人導航、增強現實和具身智能等領域具有廣泛應用。然而，在實際應用中，智能體往往需要從不同視角觀察同一場景，例如機器人繞物體旋轉或無人機改變航向。現有的大多數3DSGG模型在處理視角變化時表現不佳，它們的關係預測往往不能正確反映視角變換帶來的關係變化。例如，當觀察者向左旋轉90度時，原本在左側的物體可能變成在前方，但模型可能會錯誤地保持原來的關係標籤。
研究團隊發現，這一問題的根源在於謂詞級別的變換異質性。具體而言，方向性謂詞（如“左”、“前”、“右”、“後”）應當隨着觀察框架的旋轉而相應變化，而接觸、支撐和語義謂詞（如“站立在”、“附着於”、“連接”）則應當保持穩定。然而，現有模型通常對所有謂詞一視同仁，導致在視角變化時產生不一致的預測。為了解決這個問題，研究者提出了變換感知解耦（Transformation-Aware Decoupling, TAD）框架，這是一種視角魯棒的3DSGG方法。
TAD的核心思想是將關係推理分解為兩個並行的分支。第一個分支負責學習跨視角保持穩定的關係線索，即那些不隨視角變化而改變的語義和接觸關係。第二個分支則專注於學習方向性線索，這些線索需要根據觀察框架的變化而動態調整。兩個分支的輸出隨後被合併，用於標準的多元謂詞預測任務。為了進一步增強兩個分支的互補性，TAD引入了變換特定描述符（Transformation-specific Descriptors）和組感知輔助監督（Group-aware Auxiliary Supervision）機制。變換特定描述符為不同的視角變換提供顯式的特徵表示，而組感知監督則鼓勵模型根據謂詞的變換行為將其分組，從而更有效地分離穩定和動態的特徵。
在著名的3DSSG數據集上，研究團隊進行了大量實驗。結果表明，TAD在不使用訓練時旋轉數據增強的情況下，在偏航視角變化下達到了最先進的魯棒性，同時保持了在標準基準上的競爭力。與現有的多個基線模型相比，TAD在關係預測的準確性和一致性上都有顯著提升。此外，TAD在零樣本視角遷移場景中也表現出色，證明了其泛化能力。
這項工作的意義在於，它為3D場景理解中的視角動態性問題提供了一種優雅的解決方案，使得智能體能夠更可靠地感知和交互環境。未來，該方法有望擴展到更復雜的視角變化（如俯仰和翻滾）以及更多的交互類型。相關代碼和項目頁面已公開，供研究者進一步探索和驗證。