Interactron：具身自适应物体检测

CVPRFeb, 2022

Interactron: Embodied Adaptive Object Detection

Klemen Kotar, Roozbeh Mottaghi

TL;DR在这篇论文中，我们提出了 Interactron 这种方法，它可以在交互式环境中进行自适应目标检测，通过与环境进行交互，在推理过程中继续训练并适应模型。我们的自适应目标检测模型相对于高性能目标检测器 DETR 获得了 7.2 个点的 AP（和 12.7 个点的 AP50）改进，在完全不同的外观特征环境中表现良好。

Abstract

Over the years various methods have been proposed for the problem of object detection. Recently, we have witnessed great strides in this domain owing to the emergence of powerful deep neural networks. However, there are typically two main assumptions common among these approaches. Firs

object detection deep neural networks adaptive object detection interactron real-world settings

发现论文，激发创造

目标中心动作识别的同时检测和交互推理

基于对象为中心的行为识别中的对象检测与交互推理的一阶段端到端行为识别框架，在提取视频特征的基础网络之后，通过三个模块同时进行对象检测和交互推理，既避免了对现成的对象检测器的严重依赖，也减轻了多阶段训练的负担，实验结果在常规、组合性和少量样本的行为识别任务上表现出色。

Apr, 2024

InterTracker: 发现和跟踪野外中与手交互的一般对象

通过利用手物互动的时空信息，本研究提出了一种跟踪交互对象的方法，该方法采用了一种基于场景的自适应发现交互对象的空间关系，并利用对象外貌的一致性和连续性跟踪这些对象，研究结果表明该方法优于现有的方法，并能生成更连续的交互对象轨迹。

Aug, 2023

DeepInteraction: 通过模态交互进行 3D 物体检测

本文提出一种新的模态交互策略，采用 DeepInteraction 结构对多模态特征进行交互和预测，此方法在大规模 nuScenes 数据集上取得比之前所有技术更好的结果，并跻身 nuScenes 目标检测榜首。

Aug, 2022

使用 Transformer 进行端到端的目标检测

该研究提出了一种新方法，将目标检测作为直接集合预测问题进行处理，主要采用基于集合的全局损失和 Transformer 编码器 - 解码器架构构建 DETR 模型，能够高效地完成目标检测和全景分割任务，相较于许多现代检测器，DETR 模型概念简单且不需要专门的库。

May, 2020

检测和识别人 - 物交互

这篇研究提出了一个新的机器学习模型，利用人类的行为、动作、动作具体区域等特征来预测目标对象的位置，实现在图像中精确识别人体与目标物之间的互动关系，为实现目标识别和视觉感知提供了新的思路。

Apr, 2017

UnionDet：面向实时人物物体互动检测的联合级别检测器

通过深度神经网络和一阶段检测器，实现了对人物与对象的交互行为进行准确和快速检测，并在两个公共数据集上表现出优越性能。

Dec, 2023

Objectron：一个对野外物体为中心的大规模视频数据集，带有姿态标注

介绍了 Objectron 数据集，旨在推进 3D 物体检测等新兴研究领域的发展，数据集中有九个类别的注释短视频，包含了 1400 万个注释图像和 14819 个注释视频。同时，提出了一种新的评估指标，3D Intersection over Union，证明了数据集在推进 3D 物体检测任务方面的有用性。提供了在该数据集上训练的基准模型。

Dec, 2020

对抗检测：实时攻击目标检测

本研究提出了第一种实时在线攻击物体检测模型的方法，通过构造虚假物品边界框等三种攻击方式对物体检测模型进行攻击，成功率高达 90％，适用于动态环境中，并提供了演示视频。

Sep, 2022

ApproxDet: 面向手机的内容和争议感知的近似目标检测

本文提出一种自适应移动设备视频目标检测框架 ApproxDet，采用多分支目标检测内核，并引入数据驱动建模方法和时延 SLA 驱动调度器，在运行时选择最佳执行分支以适应内容和资源争用特征，并结合可近似视频目标跟踪算法创建端到端视频目标检测系统。在使用一组大型基准视频数据集的评估中，与 AdaScale 和 YOLOv3 进行量化比较，结果表明 ApproxDet 适应了各种争用和内容特征，并优于所有基线，例如，相对于 YOLOv3，它实现了 52% 的较低时延和 11.1% 的更高准确度。

Oct, 2020

使用 EgoNet 进行第一人称动作物体检测

本文利用第一视角摄像头，提出了一种称为 “action-objects” 的概念，并使用 EgoNet 设计了一个预测模型来检测 action-objects。实验表明，该模型在检测 action-objects 方面比之前的基线方法表现更好，具有较强的泛化能力。

Mar, 2016