論文の概要: Chairs Can be Stood on: Overcoming Object Bias in Human-Object Interaction Detection

• arxiv url: http://arxiv.org/abs/2207.02400v1
• Date: Wed, 6 Jul 2022 01:55:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-07 14:21:21.119740
• Title: Chairs Can be Stood on: Overcoming Object Bias in Human-Object Interaction Detection
• Title（参考訳）: 人間と物体の相互作用検出における物体バイアスの克服
• Authors: Guangzhi Wang, Yangyang Guo, Yongkang Wong, Mohan Kankanhalli
• Abstract要約: 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。
• 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: Detecting Human-Object Interaction (HOI) in images is an important step towards high-level visual comprehension. Existing work often shed light on improving either human and object detection, or interaction recognition. However, due to the limitation of datasets, these methods tend to fit well on frequent interactions conditioned on the detected objects, yet largely ignoring the rare ones, which is referred to as the object bias problem in this paper. In this work, we for the first time, uncover the problem from two aspects: unbalanced interaction distribution and biased model learning. To overcome the object bias problem, we propose a novel plug-and-play Object-wise Debiasing Memory (ODM) method for re-balancing the distribution of interactions under detected objects. Equipped with carefully designed read and write strategies, the proposed ODM allows rare interaction instances to be more frequently sampled for training, thereby alleviating the object bias induced by the unbalanced interaction distribution. We apply this method to three advanced baselines and conduct experiments on the HICO-DET and HOI-COCO datasets. To quantitatively study the object bias problem, we advocate a new protocol for evaluating model performance. As demonstrated in the experimental results, our method brings consistent and significant improvements over baselines, especially on rare interactions under each object. In addition, when evaluating under the conventional standard setting, our method achieves new state-of-the-art on the two benchmarks.
• Abstract（参考訳）: 画像中のヒューマン・オブジェクト・インタラクション(HOI)の検出は,高レベルの視覚的理解に向けた重要なステップである。 既存の作業は、人間とオブジェクトの検出またはインタラクション認識を改善することに光を当てることが多い。 しかしながら、データセットの制限のため、これらの手法は検出されたオブジェクトに条件付けられた頻繁な相互作用によく適合する傾向にあるが、この論文ではオブジェクトバイアス問題と呼ばれる稀なオブジェクトを無視している。 この研究において、我々は初めて、不均衡な相互作用分布とバイアス付きモデル学習という2つの側面から問題を明らかにする。 オブジェクトバイアス問題を克服するために,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&プレイ型オブジェクトワイド・デバイアス・メモリ(ODM)手法を提案する。 読み書き戦略を慎重に設計したODMは、希少な相互作用インスタンスをトレーニングのためにより頻繁にサンプリングし、不均衡な相互作用分布によって引き起こされるオブジェクトバイアスを軽減する。 本手法を3つの高度なベースラインに適用し,HICO-DETおよびHOI-COCOデータセット上で実験を行った。 対象バイアス問題を定量的に研究するために,モデルの性能評価のための新しいプロトコルを提案する。 実験結果に示すように,本手法はベースライン,特に各オブジェクト下の稀な相互作用に対して,一貫した,重要な改善をもたらす。 さらに,従来の標準設定で評価する場合,本手法は2つのベンチマークで新たな最先端性を実現する。

関連論文リスト

• 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)
• Distance Matters in Human-Object Interaction Detection [22.3445174577181]
  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。
  論文  参考訳（メタデータ） (2022-07-05T08:06:05Z)
• ACP++: Action Co-occurrence Priors for Human-Object Interaction Detection [102.9428507180728]
  ヒューマン・オブジェクト・インタラクション(HOI)検出のタスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。 我々は、人間と物体の相互作用の間に自然の相関関係と反相関が存在することを観察した。 我々は、これらの先行知識を学習し、特に稀なクラスにおいて、より効果的な訓練に活用する手法を提案する。
  論文  参考訳（メタデータ） (2021-09-09T06:02:50Z)
• Detecting Human-Object Interaction via Fabricated Compositional Learning [106.37536031160282]
  ヒューマンオブジェクトインタラクション(HOI)検出は、高レベルのシーン理解のための基本的なタスクです。 人間は珍しいまたは見えないHOIのサンプルを認識する非常に強力な構成知覚能力があります。 オープン長尾HOI検出の課題を解決するために,FCL(Fabricated Compositional Learning)を提案する。
  論文  参考訳（メタデータ） (2021-03-15T08:52:56Z)
• Detecting Human-Object Interactions with Action Co-occurrence Priors [108.31956827512376]
  人-物間相互作用(HOI)検出タスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。 我々は、人間と物体の相互作用の間に自然の相関と反相関が存在することを観察した。 我々はこれらの先行知識を学習し、特に稀なクラスにおいてより効果的な訓練に活用する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-17T02:47:45Z)
• 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。