論文の概要: Distance Matters in Human-Object Interaction Detection

• arxiv url: http://arxiv.org/abs/2207.01869v1
• Date: Tue, 5 Jul 2022 08:06:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-06 15:23:43.079641
• Title: Distance Matters in Human-Object Interaction Detection
• Title（参考訳）: 物体間相互作用検出における距離問題
• Authors: Guangzhi Wang, Yangyang Guo, Yongkang Wong, Mohan Kankanhalli
• Abstract要約: HOI検出における遠隔操作をよりよく扱うための新しい2段階手法を提案する。 我々の手法における重要な構成要素は、Far Near Distance Attentionモジュールである。 さらに,距離認識損失関数(Distance-Aware loss function)を考案した。
• 参考スコア（独自算出の注目度）: 22.3445174577181
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Human-Object Interaction (HOI) detection has received considerable attention in the context of scene understanding. Despite the growing progress on benchmarks, we realize that existing methods often perform unsatisfactorily on distant interactions, where the leading causes are two-fold: 1) Distant interactions are by nature more difficult to recognize than close ones. A natural scene often involves multiple humans and objects with intricate spatial relations, making the interaction recognition for distant human-object largely affected by complex visual context. 2) Insufficient number of distant interactions in benchmark datasets results in under-fitting on these instances. To address these problems, in this paper, we propose a novel two-stage method for better handling distant interactions in HOI detection. One essential component in our method is a novel Far Near Distance Attention module. It enables information propagation between humans and objects, whereby the spatial distance is skillfully taken into consideration. Besides, we devise a novel Distance-Aware loss function which leads the model to focus more on distant yet rare interactions. We conduct extensive experiments on two challenging datasets - HICO-DET and V-COCO. The results demonstrate that the proposed method can surpass existing approaches by a large margin, resulting in new state-of-the-art performance.
• Abstract（参考訳）: ヒューマン・オブジェクト・インタラクション(HOI)検出はシーン理解の文脈において大きな注目を集めている。 ベンチマークの進歩にもかかわらず、既存の手法は2つの原因がある遠隔操作に対して不満足に実行することが多いことに気づきました。 1) 遠隔相互作用は, 近しい相互作用よりも認識が困難である。 自然界はしばしば複雑な空間的関係を持つ複数の人間や物体を巻き込み、複雑な視覚的文脈に大きく影響される遠方の人間の物体に対する相互作用認識を行う。 2) ベンチマークデータセットにおける遠隔操作の不十分な数は,これらのインスタンスに不適合をもたらす。 そこで本研究では,HOI検出における遠隔操作をよりよく扱うための2段階手法を提案する。 我々の手法における重要な構成要素は、Far Near Distance Attentionモジュールである。 人間と物体の間の情報伝達を可能にし、空間距離を巧みに考慮する。 さらに,新しい距離認識損失関数を考案し,モデルが遠隔かつ稀なインタラクションに焦点を合わせるようにした。 HICO-DETとV-COCOの2つの挑戦的データセットについて広範な実験を行った。 その結果,提案手法は既存の手法をはるかに上回り,新たな最先端性能を実現することができた。

関連論文リスト

• UnionDet: Union-Level Detector Towards Real-Time Human-Object Interaction Detection [35.2385914946471]
  本稿では,新しい結合レベル検出器を用いたHOI検出のための一段階メタアーキテクチャを提案する。 ヒトと物体の相互作用の1段階検出器は、相互作用予測時間4x14xを著しく減少させる。
  論文  参考訳（メタデータ） (2023-12-19T23:34:43Z)
• Disentangled Interaction Representation for One-Stage Human-Object Interaction Detection [70.96299509159981]
  ヒューマン・オブジェクト・インタラクション(HOI)検出は、人間中心の画像理解のコアタスクである。 最近のワンステージ手法では、対話予測に有用な画像ワイドキューの収集にトランスフォーマーデコーダを採用している。 従来の2段階の手法は、非絡み合いで説明可能な方法で相互作用特徴を構成する能力から大きな恩恵を受ける。
  論文  参考訳（メタデータ） (2023-12-04T08:02:59Z)
• HODN: Disentangling Human-Object Feature for HOI Detection [51.48164941412871]
  本稿では,Human and Object Disentangling Network (HODN) を提案し,Human-Object Interaction (HOI) の関係を明示的にモデル化する。 インタラクションに人間的特徴がより寄与していることを考慮し,インタラクションデコーダが人間中心の領域に焦点を当てていることを確認するためのヒューマンガイドリンク手法を提案する。 提案手法は,V-COCOとHICO-Det Linkingデータセットの競合性能を実現する。
  論文  参考訳（メタデータ） (2023-08-20T04:12:50Z)
• InterTracker: Discovering and Tracking General Objects Interacting with Hands in the Wild [40.489171608114574]
  既存の方法は相互作用する物体を見つけるためにフレームベースの検出器に依存している。 本稿では,対話オブジェクトの追跡に手動オブジェクトのインタラクションを活用することを提案する。 提案手法は最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2023-08-06T09:09:17Z)
• Chairs Can be Stood on: Overcoming Object Bias in Human-Object Interaction Detection [22.3445174577181]
  画像中のHuman-Object Interaction(HOI)は、高レベルの視覚的理解に向けた重要なステップである。 本稿では,検出対象下でのインタラクションの分散を再バランスする,新しいプラグアンドプレイ型オブジェクト指向デバイアスメモリ(ODM)手法を提案する。 提案手法は,特に各オブジェクト下での稀な相互作用において,ベースラインよりも一貫した,重要な改善をもたらす。
  論文  参考訳（メタデータ） (2022-07-06T01:55:28Z)
• Interactiveness Field in Human-Object Interactions [89.13149887013905]
  画像中の物体が人間とペアリングした後、生成されたペアは、主に非対話的か、主に対話的かのいずれかである。 本研究では,対話型対と非対話型対の基底となる「相互作用性場」の濃度と差に基づく新しいエネルギー制約を提案する。 提案手法により,より高精度なペア検出が可能となり,HOI検出性能が大幅に向上する。
  論文  参考訳（メタデータ） (2022-04-16T05:09:25Z)
• DIRV: Dense Interaction Region Voting for End-to-End Human-Object Interaction Detection [53.40028068801092]
  本稿では,HOI問題に対するインタラクション領域という新しい概念に基づいて,新しい一段階HOI検出手法を提案する。 従来の手法とは異なり,本手法は人-物対ごとに異なるスケールにわたる密集した相互作用領域に焦点をあてる。 単一相互作用領域の検出欠陥を補うために,我々は新しい投票戦略を導入する。
  論文  参考訳（メタデータ） (2020-10-02T13:57:58Z)
• DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
  人-物間相互作用(HOI)検出の課題に対処する。 既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。 本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:40Z)
• Learning Human-Object Interaction Detection using Interaction Points [140.0200950601552]
  本研究では,人間と物体の相互作用を直接検出する新しい完全畳み込み手法を提案する。 我々のネットワークは相互作用点を予測し、その相互作用を直接ローカライズし、分類する。 V-COCOとHICO-DETの2つの人気のあるベンチマークで実験が行われる。
  論文  参考訳（メタデータ） (2020-03-31T08:42:06Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。