본 논문은 Scene Graph Generation (SGG)에서의 편향 문제 해결을 위해 인과 추론 기법을 활용한 새로운 방법을 제시합니다. 기존 연구들이 주로 관계의 긴 꼬리 분포에 초점을 맞춘 것과 달리, 본 논문은 객체 및 객체 쌍 분포의 불균형이라는 근본적인 원인에 주목합니다. 객체, 객체 쌍, 관계 간의 인과 관계를 모델링하는 중개자 기반 인과 사슬 모델(MCCM)을 제안하고, 이를 바탕으로 편향된 모델 예측을 수정하기 위한 조정 요소를 생성하는 인과 조정 모듈(CAModule)을 제시합니다. CAModule은 객체 공존 분포와 같은 중개 변수를 포함하여 인과 관계를 보완하며, 제로샷 관계의 구성을 가능하게 하여 모델의 성능을 향상시킵니다. 다양한 SGG 백본과 벤치마크에서 실험을 통해 CAModule이 최첨단 평균 재현율을 달성하고, 특히 제로샷 재현율 측정 기준에서도 상당한 개선을 보임을 확인했습니다.
