本文提出了 ActiveAED 的 AED 方法，可在预测循环中反复查询人类进行错误修正，从而更准确地检测错误，并在八个数据集中获得了提高的结果。

May, 2023

通过提供用户友好的 2D 界面，iDet3D 能够在最小的交互中帮助用户注释场景中的全部目标，通过密集点击引导和空间点击传播等技术实现了高精度的三维目标检测的有效加速。

Dec, 2023

本文介绍了一个名为 SimpleDet 的高效开源物体检测框架，支持最新的检测模型和分布式训练，可在消费级硬件上大规模训练现代化的检测模型。

Mar, 2019

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

本论文提出了一种新颖的自适应语言驱动的人物物体交互检测方法，名为 FreeA，利用 CLIP 的适应性生成潜在的交互标签，通过匹配人物物体对的图像特征和 HOI 文本模板，并结合基于先验知识的掩膜方法来抑制不可能的交互，进一步提高生成的 HOI 标签的准确性。实验结果表明，FreeA 在弱监督 HOI 模型中在定位和分类交互动作方面的表现优于最新的弱监督模型和最新的弱监督模型，分别比 HICO-DET 上的平均精度（mAP）高 8.58、V-COCO 上的 mAP 高 1.23，和 mAP 高 1.68 和 mAP 高 7.28。代码将在此 https URL 上提供。

Mar, 2024

实例检测是机器人学和计算机视觉中的一个长期存在的问题，本文介绍了一个新的实例检测数据集和协议，并比较了各种基线方法的性能。

Oct, 2023

我们提出使用视觉语言和大型语言模型的最新进展设计自动数据引擎（AIDE），以自动识别问题、高效筛选数据、通过自动标注改进模型，并通过生成多样化场景验证模型，从而实现模型的持续自我改进。我们还在自动驾驶数据集上建立了一个开放世界检测基准，全面评估各种学习范式，并展示了我们方法在减少成本的基础上具有卓越性能。

Mar, 2024

本文提出了一种自适应 HOI 检测器，利用预训练模型并在长尾标记数据上进行训练，可有效地定位和推断人与物体之间的关系。该方法在 HICO-DET 和 V-COCO 数据集上获得了与最先进方法竞争力相当的结果，训练时间更短。

Sep, 2023

本论文提出了一种半自动化的包围盒标注方法，利用跟踪 - 检测方法和时间信息，采用现成的目标检测器训练，利用多重假设追踪 (MHT) 来提高检测结果的可靠性，并使用人工评估来进行迭代标注。通过实验显示，该方法可以将标注工作量减少 96%。

Jan, 2021

本文提出一种基于 Adaptive Set Prediction 的 AS-Net 框架，通过多头注意力聚合查询集和全局上下文推理交互相关特征，同时使用实例感知注意模块将实例分支的特征引入交互分支，以实现更为准确高效的人物 - 物体交互检测。本方法在三个 HOI 检测数据集上实现比前沿方法更好的结果，尤其在大规模 HICO-DET 数据集上，相对于之前的最优结果实现了超过 31% 的性能提升。

Mar, 2021