論文の概要: Inter-X++: A Comprehensive Benchmark for Multimodal Human-Human Interaction Analysis

• arxiv url: http://arxiv.org/abs/2608.20312v1
• Date: Thu, 20 Aug 2026 17:51:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.66354
• Title: Inter-X++: A Comprehensive Benchmark for Multimodal Human-Human Interaction Analysis
• Title（参考訳）: マルチモーダルなヒューマン・ヒューマンインタラクション分析のための総合ベンチマーク「Inter-X++」
• Abstract要約: We present Inter-X++, a comprehensive and large-scale benchmark designed to empower useful HHI analysis。 インターX++は11,388個の高忠実な相互作用シーケンスと8.1Mフレームを提供する。 インタラクションの再構築と意味理解を協調的に最適化する,単一かつ統一されたHHI表現とモデリングフレームワークOpenHHIを提案する。
• 参考スコア（独自算出の注目度）: 55.78822230833247
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The capability to perceive and synthesize human-human interactions is fundamental to developing intelligent digital human systems. However, existing datasets and modeling approaches are fundamentally constrained by low-fidelity kinematics, the omission of dexterous hand gestures and a severe lack of rich multimodal annotations. Furthermore, fragmented interaction representations and inconsistent evaluation protocols also impede fair and rigorous benchmarking. To systematically address these bottlenecks, we present Inter-X++, a comprehensive and large-scale benchmark designed to empower versatile HHI analysis. Captured via a novel hybrid motion capture system, Inter-X++ provides 11,388 high-fidelity interaction sequences and over 8.1M frames, featuring precise whole-body movements and detailed finger articulations. Meanwhile, we enrich the data foundation with multifaceted annotations, including hierarchical fine-grained textual descriptions, interaction categories, causal interaction orders, the relationship and personality of the subjects, as well as vertex-level contact maps and physically regularized constraints. Leveraging these elaborate annotations, we formulate a unified testing ground comprising four categories of downstream tasks that symmetrically span both generative and perceptive paradigms. To eliminate benchmarking ambiguities, we systematically standardize the interaction representations and evaluation protocols. Finally, we go beyond dataset construction to propose OpenHHI, a single and unified HHI representation and modeling framework that jointly optimizes interaction reconstruction and semantic understanding. Extensive experiments reveal that OpenHHI achieves state-of-the-art performance on both generation and perception tasks. This definitively proves that our unified representation successfully bridges interaction understanding and generation simultaneously.
• Abstract（参考訳）: 人間と人間の相互作用を知覚し、合成する能力は、インテリジェントなデジタルヒューマンシステムの開発に不可欠である。 しかし、既存のデータセットとモデリングアプローチは、基本的な制約は、低忠実性キネマティクス、器用な手ジェスチャーの省略、リッチなマルチモーダルアノテーションの欠如である。 さらに、断片化された相互作用表現と一貫性のない評価プロトコルは、公正で厳密なベンチマークを妨げている。 これらのボトルネックに体系的に対処するために、我々は汎用的なHHI分析を促進するために、包括的で大規模なベンチマークであるInter-X++を提案する。 新たなハイブリッドモーションキャプチャシステムを通じて、Inter-X++は11,388個の高忠実な相互作用シーケンスと8.1Mフレームを提供し、正確な全身の動きと詳細な指の関節を特徴としている。 一方,データ基盤には,階層的な微粒なテキスト記述,インタラクションカテゴリ,因果関係の順序,主題の関係と性格,頂点レベルのコンタクトマップ,物理的に規則化された制約など,多面的アノテーションが組み込まれている。 これらの精巧なアノテーションを活用して、生成的パラダイムと知覚的パラダイムの両方に対称な下流タスクの4つのカテゴリからなる統一的なテストグラウンドを定式化する。 ベンチマークの曖昧さをなくすため,インタラクション表現と評価プロトコルを体系的に標準化する。 最後に、データセット構築を超えてOpenHHIを提案する。OpenHHIは、インタラクションの再構築とセマンティック理解を協調的に最適化する、単一かつ統一されたHHI表現およびモデリングフレームワークである。 大規模な実験により、OpenHHIは生成タスクと知覚タスクの両方で最先端のパフォーマンスを達成することが明らかになった。 これは、我々の統一表現が相互作用の理解と生成を同時に橋渡しすることに成功していることを確実に証明している。

関連論文リスト

• HandX: Scaling Bimanual Motion and Interaction Generation [55.486397101415]
  HandXはデータ、アノテーション、評価にまたがる統一された基盤である。 既存のデータセットを統合・フィルタリングし、新しいモーションキャプチャーデータセットを収集します。 新たに提案した手中心の指標によって支援された高品質なデキスタラスモーション生成実験を行った。
  論文  参考訳（メタデータ） (2026-03-30T17:59:49Z)
• Cross-Modal Attention Network with Dual Graph Learning in Multimodal Recommendation [12.802844514133255]
  二重グラフ埋め込み(CRANE)を用いたクロスモーダル再帰注意ネットワーク 我々は,共同潜在空間における相互相関に基づくモダリティ特徴を反復的に洗練するコア再帰的クロスモーダルアテンション(RCA)機構を設計する。 対称型マルチモーダル学習では,対話した項目の特徴を集約することで,ユーザのマルチモーダルプロファイルを明示的に構築する。
  論文  参考訳（メタデータ） (2026-01-16T10:09:39Z)
• Interact2Ar: Full-Body Human-Human Interaction Generation via Autoregressive Diffusion Models [80.28579390566298]
  テキスト条件付き自己回帰拡散モデルであるInteract2Arを導入する。 ハンドキネマティクスは専用のパラレルブランチを通じて組み込まれ、高忠実度フルボディ生成を可能にする。 我々のモデルは、時間的動きの合成、外乱へのリアルタイム適応、ディヤディックからマルチパーソンシナリオへの拡張など、一連のダウンストリームアプリケーションを可能にする。
  論文  参考訳（メタデータ） (2025-12-22T18:59:50Z)
• Learning Human-Object Interaction as Groups [52.28258599873394]
  GroupHOIは、幾何学的近接性および意味的類似性の観点から文脈情報を伝播するフレームワークである。 これは、より困難な非言語間相互作用検出タスクにおいて、主要なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-10-21T07:25:10Z)
• Contextualized Representation Learning for Effective Human-Object Interaction Detection [17.242400169885453]
  ヒューマンオブジェクトインタラクション(HOI)検出は、人間オブジェクトのペアを同時にローカライズし、その相互作用を認識することを目的としている。 本研究では,条件付き推論と文脈的プロンプトを統合した文脈適応型表現学習を提案する。 提案手法は, HICO-DetデータセットとV-COCOデータセットの両方において, 多くのシナリオにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2025-09-16T08:03:16Z)
• Efficient Explicit Joint-level Interaction Modeling with Mamba for Text-guided HOI Generation [25.770855154106453]
  本稿では,テキスト誘導型人-物体相互作用を生成するための効率的な共同対話モデル(EJIM)を提案する。 EJIMはDual-branch HOI Mambaを特徴としている。 EJIM は推定時間の 5% しか使用せず, 従来の作業よりも大きなマージンで上回っていることを示す。
  論文  参考訳（メタデータ） (2025-03-29T15:23:21Z)
• Learning Mutual Excitation for Hand-to-Hand and Human-to-Human Interaction Recognition [21.007782102151282]
  相互励起グラフ畳み込み層を積み重ねた相互励起グラフ畳み込みネットワーク(me-GCN)を提案する。 Me-GCは各レイヤとグラフ畳み込み操作の各ステージで相互情報を学習する。 提案するme-GCは,最先端GCN法およびTransformer法より優れている。
  論文  参考訳（メタデータ） (2024-02-04T10:00:00Z)
• Inter-X: Towards Versatile Human-Human Interaction Analysis [100.254438708001]
  正確な身体の動きと多様な相互作用パターンを持つデータセットであるInter-Xを提案する。 データセットは、1Kの相互作用シーケンスと8.1Mフレーム以上を含む。 また、Inter-Xには34K以上の微粒な人間のテキスト記述の多義アノテーションも備えています。
  論文  参考訳（メタデータ） (2023-12-26T13:36:05Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。