诊断人 - 物体交互检测器
本文提出了一种基于全卷积的去检测人 - 物交互的新方法,该方法利用相互作用点直接定位和分类相互作用,并结合密集的相互作用向量,将相互作用与人和物的检测相结合,以获得最终的预测结果。该方法在 V-COCO 和 HICO-DET 两个常用基准上均取得了最新的最佳表现。
Mar, 2020
本文主要探讨计算机视觉中的人 - 物体交互检测任务(HOI detection), 针对该任务的长尾可视化识别困境,对现有模型进行检测、识别和识别三步分析,研究发现交互信号(如遮挡和相对位置)会干扰检测和识别步骤,从而降低了识别准确性
Jun, 2020
本文提出了一种基于人与物体功能相似性的人类 - 物体交互检测方法,使用视觉特征、人类和物体之间的相对空间方向和功能相似物体参与相似交互的知识。在 HOI 数据集上,该方法在平均精度方面的绝对增益为 2.5%,并且在已知物体情况下实现了零样本 HOI 检测和广义物体检测。
Apr, 2019
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
HOI Transformer 是一种用于解决人与物体交互检测任务的算法,它可以通过全局图像上下文来推断物体与人的关系并在并行统一的方式下直接预测 HOI 实例,并引入了五元匹配损失来统一强制 HOI 预测,并能够在 HICO-DET 和 V-COCO 上取得比以前更好的性能表现。
Mar, 2021
本文旨在探讨基于两阶段和单阶段方式的人 - 物交互检测方法各自的优点和缺点,并提出一种新的单阶段框架,该框架采用分离式的方法进行检测和分类,取得了明显的相对提升。
Aug, 2021
本文介绍了一种基于动作共现矩阵的技术来解决人 - 物交互检测中存在的样本不均衡问题,并且证明了该方法在稀有分类方面的效果优于当前最先进技术,适用于 HICO-Det 和 V-COCO 两个数据库。
Jul, 2020
研究人体与物体互动关系,通过使用一个可学习的 Interactiveness Network,学习 HOI 数据集的互动知识,从而实现在 HOI 分类推理之前进行非交互抑制,并在 HICO-DET 和 V-COCO 数据集上验证了方法的有效性和灵活性。
Nov, 2018
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
本文研究了人物和物体间的交互行为,发现交互知识可以跨越不同的数据集,形成通用的交互知识网络,并且可以与任何 HOI 检测模型合作,进而提高 HOI 检测效率和准确性。通过使用实例和人体部位的特征信息,本文还提出了一种层次化的交互知识获取方法,同时采用一致性任务深度提取可视化线索。在 HICO-DET、V-COCO 和 PaStaNet-HOI 数据集上的实验结果表明,该方法优于现有的 HOI 检测方法。
Jan, 2021