该论文介绍了一种名为 HID 的新任务，旨在通过在同一模型中检测主体、识别人 - 人互动，并根据他们的互动关系对人进行分组，以此全面了解视频流中感兴趣的人 - 人互动，还在 AVA 数据集基础上建立了一个新的 HID 基准，称为 AVA-Interaction (AVA-I)，并描述了一个新的基线方法 SaMFormer，该方法表现出在 AVA-I 上的优越性。

Jul, 2023

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

人 - 场景交互生成是一项具有挑战性且关键的任务，但是受到有限的数据规模的限制。通过将纯运动序列视作与不可见场景占用交互的记录，利用大规模配对的数据集 Motion Occupancy Base（MOB），我们提出了一种新的人 - 占有交互的统一视角。在 MOB 上训练的单个运动控制器可以处理狭窄的场景，并在复杂度有限的一般场景中具有良好的泛化性。我们的方法可以在各种场景中生成逼真且稳定的人 - 场景交互动作。

Dec, 2023

本研究提出了一种简单而有效的体系结构，名为空间 - 时间 HOI 检测（ST-HOI），利用人类和对象轨迹、正确定位的视觉特征和空间 - 时间遮蔽姿态特征等时间信息来检测基于视频的人与对象之间的交互，构建了一个新的视频交互基准，被称为 VidHOI 基准。

May, 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

本文设计了一个框架来检测并预测视频中的人 - 物交互，并提出了使用人类注视信息、场景背景和人 - 物对的视觉外观等特征进行融合的时空变换器，并在 VidHOI 数据集上进行了模型训练和验证。

Jun, 2023

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

提出了一种利用场景图信息进行人 - 物交互（SG2HOI）检测的新方法，该方法通过全局背景信息和关系感知信息传递模块，利用图像中高级和语义的人物和物体关系，通过两种方式将场景图信息融入到 “人 - 物交互” 检测任务中，表现优于两个基准 HOI 数据集上的最新方法。

Aug, 2021

本文综述了在视频中自动识别人际互动的主要挑战，研究现状，以及基于深度学习和卷积神经网络方面的最新、有前途的工作，最终概述了克服目前技术限制以分析和理解社会人类行为的方向。

Jul, 2018

该研究介绍了一种用于建模多个人与多个物体互动的新型大规模数据集 HOI-M3，通过准确的三维跟踪，从密集的 RGB 和物体安装的 IMU 输入中覆盖了 199 个序列和 181M 帧的多样化人和物体的活动。该数据集提出了两个新的数据驱动任务，并提供了强大的基线模型，用于捕捉和生成多个人与物体之间的互动。通过广泛的实验证明了该数据集对于进一步研究多个人与物体的互动和行为分析具有挑战性和重要价值。该数据集和相关代码、预训练模型将向研究社区进行传播，以供未来研究使用。

Mar, 2024