人物 - 物体互动（HOI）检测是理解人类活动和视觉场景的重要组成部分。本研究通过引入 transformer-based 框架，重新组合不同 HOI 实例中的人物 - 物体对表示和互动表示，从而获得更丰富的上下文信息，提高知识的泛化能力，并实现一种简单而有效的方法，其在稀有 HOI 类别上表现出卓越的性能。

Aug, 2023

我们提出了 CG-HOI，这是第一个解决从文本中生成动态 3D 人物 - 物体交互（HOIs）任务的方法。我们通过在训练和推断过程中显式地建模人体表面与物体几何之间的接触来引导人体和物体的运动，从而生成更真实、物理上可行的交互序列。

Nov, 2023

本文提出了一种基于 HOI 分析的方法来学习人 - 物交互，该方法能够将关联的 HOI 分解成独立的人和物进行集成和分解，并通过转换功能空间来表示隐式操作。通过提出的 Integration-Decomposition 网络，在广泛使用的 HOI 检测基准测试中实现了最先进的性能。

Oct, 2020

本论文提出了一种深度可视化组合学习 (VCL) 框架，通过分解和组合 HOI 表示来解决 HOI 检测中的长尾分布问题，共享不同 HOI 样本和图像之间的对象和谓词特征，并生成新的交互样本和新类型的 HOI，从而显著缓解了低样本或零样本的 HOI 检测问题。在 HICO-DET 和 V-COCO 数据集上的实验证明了该方法的有效性，并且在 HICO-DET 上优于最新的最优方法。

Jul, 2020

提出了一种基于组合学习的人与物体交互检测方法，使用对象生成器生成有效的对象表示，并结合动词和生成的对象创作新的 HOI 样本，以缓解 HOI 检测中的长尾问题， 实验表明此方法在稀有和未见 HOI 类别方面具有卓越的性能

Mar, 2021

D3D-HOI 是一种包含具有三维物体姿态、形状和部件运动的人 - 物交互的单目视频的数据集，其对各种现实世界场景和摄像机视角捕获的常见关节对象进行了表示，可用于评估收缩的对象质量和建立对该挑战性任务的基准。

Aug, 2021

本研究提出了一个人 - 物交互全面了解的新任务，称为 HOI Concept Discovery，并针对该任务设计了自组合学习框架（或 SCL），该方法可以使学习在已知和未知的 HOI 概念上进行，并在多个数据集上展示了良好的效果。

Mar, 2022

该研究探索了基于人体姿态、注视和距离等因素实现社交场景下人和物体之间相互作用识别的方法，并针对误分类问题提出硬负样本采样策略。在两个基准数据集，即 V-COCO 和 HICO-DET 上进行实验并验证了各个组件的有效性。

Aug, 2018

提出了一种基于几何原语的三维人体和关节物体交互嵌入方法，使用超椭球作为基本表示，并构建了一个基于原语的三维人体和关节物体交互数据集，实现了机器对三维人体和关节物体交互的重建和识别任务。

Dec, 2023

该论文提出了一种预测三维人物 - 物体交互（HOIs）的新方法。通过引入交互扩散和交互校正两个关键步骤，利用扩散模型编码未来人物 - 物体交互的分布，并引入物理感知预测器以纠正去噪后的 HOIs，该方法在多个数据集上的实验证明了其在生成逼真、生动且长期的三维 HOI 预测方面的有效性。

Aug, 2023