DIRV：用于端到端人-物交互检测的密集交互区域投票
计算机视觉与模式识别
2021-01-20 v2
摘要
近年来，人-物交互（HOI）检测取得了令人瞩目的进展。然而，传统两阶段方法通常推理较慢。另一方面，现有单阶段方法主要关注交互的联合区域，引入了不必要的视觉信息作为 HOI 检测的干扰。为解决上述问题，本文提出一种基于 HOI 问题中称为交互区域的新概念的新型单阶段 HOI 检测方法 DIRV。与以往方法不同，我们的方法针对每个人-物对跨不同尺度密集采样交互区域，以捕获对交互最为关键的细微视觉特征。此外，为弥补单一交互区域的检测缺陷，我们引入一种新颖的投票策略，充分利用那些重叠的交互区域以替代传统的非极大抑制（NMS）。在两个流行基准 V-COCO 和 HICO-DET 上的大量实验表明，我们的方法以最高推理速度和最轻量网络架构大幅优于现有最优方法。我们在无额外输入的情况下于 V-COCO 上取得了 56.1 mAP。我们的代码公开于：https://github.com/MVIG-SJTU/DIRV
引用
@article{arxiv.2010.01005,
title = {DIRV: Dense Interaction Region Voting for End-to-End Human-Object Interaction Detection},
author = {Hao-Shu Fang and Yichen Xie and Dian Shao and Cewu Lu},
journal= {arXiv preprint arXiv:2010.01005},
year = {2021}
}
备注
Paper is accepted. Code available at: https://github.com/MVIG-SJTU/DIRV