面向细粒度社交互动检测的基于部件感知的自下而上群体推理
计算机视觉与模式识别
2026-01-21 v2
摘要
社交互动往往源于面部表情、凝视和手势等细微的细粒度线索。然而，现有方法忽略了此类细微线索，主要依赖个体的整体表示。此外，这些方法直接检测社交群体，却未明确建模个体之间的底层互动。上述缺陷限制了其捕获局部社交信号的能力，在基于细微线索推断群体配置时引入歧义。本文提出了一种用于细粒度社交互动检测的部件感知自下而上群体推理框架。该方法利用身体部件特征及其人际关系推断社交群体及其互动。我们的模型首先检测个体，并通过部件感知线索增强其特征，然后通过基于相似性的推理推断群体配置，考虑不仅有空间关系，还考虑传递互动信号的细微社交线索，从而实现更精确的群体推断。在 NVI 数据集上的实验表明，我们的方法优于先前方法，达成了新的最佳成绩；在 Caf\'e 数据集上的额外结果进一步验证了其对群体活动理解的普适性。
引用
@article{arxiv.2511.03666,
title = {Part-Aware Bottom-Up Group Reasoning for Fine-Grained Social Interaction Detection},
author = {Dongkeun Kim and Minsu Cho and Suha Kwak},
journal= {arXiv preprint arXiv:2511.03666},
year = {2026}
}
备注
Accepted to NeurIPS 2025