ACP++：用于人-物交互检测的动作共现先验
计算机视觉与模式识别
2021-11-24 v1 人工智能
摘要
人-物交互（HOI）检测任务中的一个常见问题是，大量 HOI 类别仅有少量标注样本，导致训练集呈现长尾分布。正标签的缺乏会导致这些类别的分类准确率较低。为了解决这一问题，我们观察到人-物交互之间存在自然的相关性与反相关性。在本文中，我们将这些相关性建模为动作共现矩阵，并提出学习这些先验并将其用于更有效训练的技术，尤其是在稀有类别上。实验证明了我们方法的有效性，在两个领先的 HOI 检测基准数据集 HICO-Det 和 V-COCO 上，我们方法的性能均持续优于 state-of-the-art 方法。
引用
@article{arxiv.2109.04047,
title = {ACP++: Action Co-occurrence Priors for Human-Object Interaction Detection},
author = {Dong-Jin Kim and Xiao Sun and Jinsoo Choi and Stephen Lin and In So Kweon},
journal= {arXiv preprint arXiv:2109.04047},
year = {2021}
}
备注
IEEE TIP accepted. Journal extension of our ECCV 2020 paper (arXiv:2007.08728). Source code: https://github.com/Dong-JinKim/ActionCooccurrencePriors/