Ins-HOI: 实例感知的人物 - 物体互动恢复
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
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
我们提出了一种用于捕捉人类和物体的三维运动的单目方案,结合通用动作推断和基于类别的运动扩散模型,在使用极少量的 RGB 相机和物体安装的惯性测量单元(IMU)的新颖环境中,通过综合处理 IMU 信号和 RGB 流重新恢复人体运动和物体运动,从而大幅度提炼初始结果并生成生动的身体、手部和物体运动。
Dec, 2023
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
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
本文提出了一个基于 AVA 的新数据集,名为 DIO,用于检测人类和物体之间的空间和时间交互作用,同时利用层次化的空间时间人 / 环境线索,设计了 HPN 算法对交互中的对象进行发现。实验表明,该算法表现出良好的性能。
Nov, 2022
本论文提出了一种详细的 2D-3D 联合表示学习方法,能够使计算机更好地理解人物和物体之间的交互行为,效果在大规模的 HOI 基准和 Ambiguous-HOI 数据集上表现良好。
Apr, 2020
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
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