CVPRMar, 2020

VSGNet：基于图卷积的空间关注网络，用于检测人体物体交互

PDF
TL;DRVisual-Spatial-Graph Network (VSGNet) architecture effectively learns and utilizes object interactions in Human-Object Interaction (HOI) detection, demonstrating improved performance compared to state-of-the-art solutions in Verbs in COCO (V-COCO) and HICO-DET datasets.
发现论文，激发创造
  • 人 - 物交互检测的视觉 - 语义图注意力网络

    通过双图注意力网络，可以动态地从主要的人 - 物关系和附属关系中聚合环境视觉、空间和语义信息以实现强大的消岐能力。

    Jan, 2020

  • 一种基于骨架的图卷积神经网络用于人 - 物交互检测

    本研究提出了一种名为 SGCN4HOI 的骨架感知图卷积网络，能够通过图卷积捕捉人体骨骼关键点与物体关键点之间的细粒度结构化交互，并使用从人物 - 物品对中获取的几何特征与视觉特征和空间配置特征，进一步融合这些几何特征，以便更好地保留对象结构信息并促进人 - 对象交互检测。在公共基准 V-COCO 数据集上，该方法的性能优于基于姿态的模型的最新技术并获得了与其他模型的有竞争力的性能。

    Jul, 2022

  • GTNet: 指导 Transformer 网络用于检测人物 - 物体交互

    文章介绍了 GTNet 模型，一种基于自注重的引导变换网络，它通过自注重将人和物体的视觉特征编码为空间上下文信息，从而增强了对人 - 物体交互的理解和检测。

    Aug, 2021

  • 利用场景图进行人 - 物互动检测

    提出了一种利用场景图信息进行人 - 物交互（SG2HOI）检测的新方法，该方法通过全局背景信息和关系感知信息传递模块，利用图像中高级和语义的人物和物体关系，通过两种方式将场景图信息融入到 “人 - 物交互” 检测任务中，表现优于两个基准 HOI 数据集上的最新方法。

    Aug, 2021

  • 基于图的人 - 物交互检测交互式推理

    本文提出了一种名为交互图的图形交互推理模型，以推断人类和周围物体的相互作用，并构建了新的框架用于检测 HOIs，即 in-GraphNet，该模型能够有效地利用视觉目标间的交互语义，且不需要昂贵的注释，实验证明该方法在 V-COCO 和 HICO-DET 基准测试中比现有的 HOI 检测方法表现更优，基准线相对提高了 9.4% 和 15%。

    Jul, 2020

  • 通过图形解析神经网络学习人 - 物交互

    本文介绍了一种利用结构化知识实现可微分端到端检测和识别图像和视频中的人 - 物交互的算法 —— 图解析神经网络（GPNN）。结果表明，在三个 HOI 检测基准测试上，我们的方法明显优于现有的最新方法，证明 GPNN 可以应用于大型数据集和时空设置，并可覆盖图解析和逐步计算相邻矩阵和节点标签。

    Aug, 2018

  • 用于检测人 - 物交互的空间条件图

    本文提出了一种使用图神经网络检测图像中人与物体之间交互作用的方法，并通过在节点对之间的空间关系上进行消息调节来改进模型的性能，以获得更好的检测精度。实验结果表明，该方法取得了良好的检测效果。

    Dec, 2020

  • ConsNet: 学习一致性图以用于零样本人 - 物交互检测

    提出了一种基于 ConsNet 的多层次一致性表示的知识感知框架，它在 V-COCO 和 HICO-DET 数据集上优于现有方法，同时利用 Graph Attention Networks 在图形中传播知识。

    Aug, 2020

  • 面向场景图生成与人物 - 物体交互检测的统一基于 Transformer 的框架

    以 Transformer 架构为基础的统一一步模型 SG2HOI + 同时实现了场景图生成和人物对象互动检测，在视觉特征的基础上生成关系三元组，并基于此预测人物对象互动，实现了显著的性能提升，超过了现有单阶段场景图生成模型和最先进的人物对象互动方法。

    Nov, 2023

  • iCAN: 实例中心注意力网络用于人 - 物交互检测

    本文提出了一种利用实例注意力重点聚合一张图像中与人 - 物交互相关的特征，实现人 - 物交互检测任务的方法，并在 COCO 和 HICO-DET 数据集上验证了其有效性，结果明显优于现有技术。

    Aug, 2018