通过交互标签编码与条件决策实现高效人-物交互 (EHOI) 检测
计算机视觉与模式识别
2025-05-26 v1
摘要
人-物交互 (HOI) 检测是图像理解中的基础任务。虽然基于深度学习的 HOI 方法在平均精度均值 (mAP) 方面表现优异，但其训练和推理过程计算代价高昂且不透明。本工作提出了一种高效 HOI (EHOI) 检测器，以在检测性能、推理复杂度和数学透明度之间取得良好平衡。EHOI 是一种两阶段方法。在第一阶段，它利用冻结的目标检测器定位物体，并将多种特征作为中间输出。在第二阶段，第一阶段的输出使用 XGBoost 分类器预测交互类型。我们的贡献包括应用纠错码 (ECCs) 对稀有交互情况进行编码，从而减小模型规模和第二阶段 XGBoost 分类器的复杂度。此外，我们提供了重标签和决策过程的数学表述。除架构外，我们展示了定性结果以解释前馈模块的功能。实验结果表明 ECC 编码的交互标签具有优势，且所提出的 EHOI 方法在检测性能与复杂度之间取得了良好平衡。
引用
@article{arxiv.2408.07018,
title = {Efficient Human-Object-Interaction (EHOI) Detection via Interaction Label Coding and Conditional Decision},
author = {Tsung-Shan Yang and Yun-Cheng Wang and Chengwei Wei and Suya You and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2408.07018},
year = {2025}
}