論文の概要: Single-Query Person-Centric Bimanual Hand-Object Interaction Detection

• arxiv url: http://arxiv.org/abs/2609.12155v1
• Date: Thu, 10 Sep 2026 19:41:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.527973
• Title: Single-Query Person-Centric Bimanual Hand-Object Interaction Detection
• Title（参考訳）: シングルクエリ人・人・人・人・物間相互作用検出
• Abstract要約: 既存の手-物相互作用法は、主に手中心である。 本研究では,1つのクエリが1人の人に対して構造化された出力を予測する人中心の定式化を提案する。 変圧器をベースとした検出器を用いた実験により, 定式化により, 対人インタラクション解析が向上することが示された。
• 参考スコア（独自算出の注目度）: 6.360211303233215
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Understanding person-level bi-manual interactions requires not only detecting hands, but also identifying which two hands belong to the same person and what each hand interacts with. Existing hand--object interaction methods are mostly hand-centric: they treat each hand as an independent instance, which can lead to ambiguous ownership in multi-person scenes. We propose a person-centric formulation in which a single query predicts a structured output for one person, including the human box, body pose, hand boxes and states, and interaction targets. We introduce part-aware deformable attention to allocate attention across human, hand, and pose-specific reference regions, enabling one query to capture the full person structure. We further unify detection and interaction reasoning with a hand-to-query relationship matrix, where each hand selects its interaction target from the detected query set plus a learnable off token, directly recovering the target's box and class without separate object regression. We build a COCO-based dataset with person-centric bi-manual interaction annotations and define structured metrics for evaluating hand states and complete hand--object tuples. Experiments with a transformer-based detector show that our formulation improves person-level bi-manual interaction parsing and provides an effective unified framework for joint detection, pose estimation, and hand reasoning.
• Abstract（参考訳）: 人レベルの双方向のインタラクションを理解するには、手を検出するだけでなく、どの手が同じ人に属し、それぞれの手が相互作用するかを識別する必要がある。 既存の手動オブジェクトのインタラクションメソッドは、主に手中心であり、それぞれを独立したインスタンスとして扱い、複数の人物シーンにおいて曖昧なオーナシップをもたらす可能性がある。 本研究では,一人の質問に対して,人体ポーズ,人体ポーズ,手箱や状態,インタラクションターゲットなど,一人の人体に対する構造的出力を予測できる人体中心の定式化を提案する。 我々は、人、手、ポーズ固有の参照領域に注意を割くために、部分認識の変形可能な注意を導入する。 さらに、検出されたクエリセットと学習可能なオフトークンとから、各ハンドがそのインタラクションターゲットを選択し、対象のボックスとクラスを別個のオブジェクトレグレッションなしで直接リカバリする、ハンド・ツー・クエリ・リレーション・マトリックスによる検出と相互作用推論を統一する。 我々は、人中心の双方向インタラクションアノテーションを備えたCOCOベースのデータセットを構築し、手の状態と完全な手動タプルを評価するための構造化メトリクスを定義します。 変圧器をベースとした検出器を用いた実験により,我々の定式化は対人インタラクション解析の改善を図り,関節検出,ポーズ推定,手動推論のための効果的な統合的枠組みを提供する。

関連論文リスト

• Do Egocentric Video-Language Models Capture Both Hand- and Object-Centric Cues? [75.43540911934191]
  ハンドオブジェクトインタラクション(HOI)の認識には、手操作とオブジェクト変換の両方をキャプチャする必要がある。 本稿では,手動マスクトレーニングとHOI動的認識デコーダを組み合わせた新しい学習パラダイムを提案する。 我々のトレーニング戦略は、既存のモデルよりも手書きやオブジェクト中心の情報を効果的に活用することを示します。
  論文  参考訳（メタデータ） (2026-07-09T14:09:29Z)
• 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)
• PEAR: Phrase-Based Hand-Object Interaction Anticipation [20.53329698350243]
  ファースト・パーソン・ハンド・オブジェクト・インタラクション・予測は、現在のシーンとプロンプトに基づいてインタラクション・プロセスを予測することを目的としている。 既存の研究は通常、操作を無視しながら相互作用の意図だけを予測している。 インタラクションの意図と操作を共同で予測する新しいモデルPEARを提案する。
  論文  参考訳（メタデータ） (2024-07-31T10:28:49Z)
• 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)
• AffordPose: A Large-scale Dataset of Hand-Object Interactions with Affordance-driven Hand Pose [16.65196181081623]
  AffordPoseは、手動ポーズによる手動オブジェクトインタラクションの大規模データセットである。 計26.7Kのハンドオブジェクトインタラクションを収集し、それぞれ3次元オブジェクト形状、部分レベルアベイランスラベル、手動で調整した手ポーズを含む。 包括的データ分析は、手-物間相互作用の共通特性と多様性を示している。
  論文  参考訳（メタデータ） (2023-09-16T10:25:28Z)
• Intention estimation from gaze and motion features for human-robot shared-control object manipulation [1.128708201885454]
  共有制御は、ユーザの意図の実行を支援することで、遠隔操作のオブジェクト操作を支援する。 自然な視線と運動特徴を用いて現在の動作と対象対象物を予測する意図推定フレームワークを提示する。
  論文  参考訳（メタデータ） (2022-08-18T07:53:19Z)
• Learning to Disambiguate Strongly Interacting Hands via Probabilistic Per-pixel Part Segmentation [84.28064034301445]
  自己相似性と、それぞれの手にピクセル観察を割り当てるあいまいさは、最終的な3Dポーズエラーの大きな原因である。 1つの単眼画像から2つの手の3次元ポーズを推定する新しい手法であるDIGITを提案する。 提案手法は,InterHand2.6Mデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-07-01T13:28:02Z)
• 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。