RegFormer：用于高效弱监督人体-物体交互检测的可迁移关系锚定
计算机视觉与模式识别
2026-04-02 v1
摘要
弱监督人体-物体交互（HOI）检测对于可扩展的场景理解至关重要，因为它仅从图像级标注中学习交互。由于缺乏定位信号，先前的研究通常依赖外部物体检测器生成候选对，然后通过成对推理推断其交互。然而，该框架由于枚举大量实例对而产生的巨大计算成本而难以扩展。此外，它还受到来自非交互组合的错误正例困扰，阻碍了准确的实例级 HOI 推理。为解决这些问题，我们提出了关系锚定变换器（RegFormer），一种用于高效准确 HOI 推理的多功能交互识别模块。在图像级监督下，RegFormer 利用空间锚定信号作为推理过程的引导，并促进局部感知的交互学习。通过学习局部化交互线索，我们的模块区分人类、物体及其交互，使得无需额外训练即可直接从图像级交互推理迁移到精确高效的实例级推理。我们的大量实验和分析表明，RegFormer 能有效学习空间线索以进行实例级交互推理，具有高效率，甚至达到了与全监督模型相当的性能。我们的代码可在 https://github.com/mlvlab/RegFormer 获取。
引用
@article{arxiv.2604.00507,
title = {RegFormer: Transferable Relational Grounding for Efficient Weakly-Supervised Human-Object Interaction Detection},
author = {Jihwan Park and Chanhyeong Yang and Jinyoung Park and Taehoon Song and Hyunwoo J. Kim},
journal= {arXiv preprint arXiv:2604.00507},
year = {2026}
}
备注
Accepted at CVPR2026