EgoGroups：野外人群社交组检测基准
计算机视觉与模式识别
2026-03-24 v1
摘要
社交组检测，即识别参与相互人际互动的人（例如家庭成员、朋友以及顾客和商人），是代理人在真实世界中进行交互所需的社交智能的关键组成部分。现有少数几个针对社交组检测的基准受限于场景多样性低和依赖第三人称摄像源（例如监控 footage），因此这些基准通常缺乏在多样化文化背景和不受约束环境中，组群如何形成和演变的真实世界评估。为弥合这一差距，我们引入 EgoGroups，一个第一人称视图数据集，捕捉世界各地城市中的社交动态。EgoGroups 覆盖 65 个国家，涵盖低、中、高人群密度场景，并包含四种天气/时间段条件。我们包括对人物和社交组的稠密人类标注，以及丰富的地理和场景元数据。使用该数据集，我们对现代 VLM/LLM 和监督模型进行了广泛的评估，以评估其组检测能力。我们发现了若干有趣的发现，包括 VLM 和 LLM 在零样本设置下可超过监督基线，而人群密度和文化区域明显影响模型性能。
引用
@article{arxiv.2603.22249,
title = {EgoGroups: A Benchmark For Detecting Social Groups of People in the Wild},
author = {Jeffri Murrugarra-Llerena and Pranav Chitale and Zicheng Liu and Kai Ao and Yujin Ham and Guha Balakrishnan and Paola Cascante-Bonilla},
journal= {arXiv preprint arXiv:2603.22249},
year = {2026}
}
备注
Project Page: https://lab-spell.github.io/EgoGroups/