QAHOI：基于查询锚点的人-物交互检测
计算机视觉与模式识别
2021-12-17 v1
摘要
人-物交互（HOI）检测作为目标检测任务的下游任务，需要从图像中定位人与物体的配对并提取人与物体之间的语义关系。近来，由于高效性，单阶段方法成为该任务的新趋势。然而，这些方法侧重于检测可能的交互点或过滤人-物对，忽略了不同物体在空间尺度上位置与大小的变化性。为解决此问题，我们提出一种基于 Transformer 的方法 QAHOI（基于查询锚点的人-物交互检测），其利用多尺度架构从不同空间尺度提取特征，并使用基于查询的锚点来预测一个 HOI 实例的所有元素。我们进一步研究发现，强大的骨干网络显著提升了 QAHOI 的精度，且带有基于 Transformer 骨干的 QAHOI 在 HICO-DET 基准上大幅优于近期最先进的方法。源代码见 。
引用
@article{arxiv.2112.08647,
title = {QAHOI: Query-Based Anchors for Human-Object Interaction Detection},
author = {Junwen Chen and Keiji Yanai},
journal= {arXiv preprint arXiv:2112.08647},
year = {2021}
}