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

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

在计算机视觉中，我们通过介绍一种新的深度神经网络 (HO-RCNN) 和一种新的输入特征（交互模式），解决了人 - 物目标交互检测（HOI）的基本问题，并在当前的 HICO 分类基准上引入实例注释，大大提高了 HOI 检测的性能。

Feb, 2017

本文提出一种基于异构图网络的目标与人交互检测方法，通过将人和物体建模为不同种类的节点，利用节点之间的内部关联信息和跨类别信息，再利用图注意力机制提升学习效果，实验表明内部关系和跨类别信息对于目标与人交互检测非常重要，并证实了模型的有效性。

Oct, 2020

Visual-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.

Mar, 2020

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

提出了一种上下文关注框架，通过学习上下文感知的人和对象外观特征，并采用自适应方法选择相关实例中心的上下文信息以突出可能包含人物 - 物品交互的图像区域，从而在三个数据集上超越现有最佳方法。

Oct, 2019

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

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

该论文提出了一种基于 Spatio-Temporal Interaction Graph Parsing Networks（STIGPN）的视频人物 - 物体交互识别架构，采用多模态特征融合策略，借助空间和时间关系及语义信息构建图结构，取得了比现有方法更高的准确度。

Aug, 2021