这篇文章是比利时鲁汶大学的一篇文章，它提出了一个新的任务：
输入结构化的文本（主语，关系，宾语），来预测两个物体之间的空间位置关系。
对于spatial template可以划分：
explicit类型：比如on, below等直接的空间关系。
implicit类型：比如（man, pulling, kite) , (man, pulling, luggage)等，本文主要处理的是这种类型。
文章的方法比较直接：两种模型（基于回归和基于像素），深度网络对位置进行约束训练。
评价指标：(1)IOU (2)Regression (3)Above/below classification (4)Pixel (macro) accuracy
数据集：Vgnome筛选合适的样例，最终∼378K instances，2,183 unique implicit Relationships and 5,614 unique objects
(i.e., Subjects and Objects).
数据集样例：
一些可视化的例子：
原文链接：Acquiring Common Sense Spatial Knowledge through Implicit Spatial Templates