SARS：人机交互检测中子任务的合适表示方法选择

《ACM Transactions on Autonomous and Adaptive Systems》：SARS: Selected Appropriate Representation for Sub-tasks in Human-Object Interaction Detection

　　

摘要AI总结

要查看此由AI生成的总结，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

人机交互检测方法通常采用多任务框架，包括特征学习模块以及两个子任务：实例检测和交互分类。这两个子任务共享相同的图像表示，但不同子任务需要不同的图像信息。对于实例检测，检测器关注局部区域的特征，而交互预测器则需要更大范围的特征信息。为解决这一问题，设计了一种新的HOI检测框架，为每个子任务选择合适的表示方式。具体而言，通过学习局部特征来预测实例的中心点；在交互检测中，则使用Transformer来提取上下文信息以提高准确性。在人机交互对匹配阶段，通过预测人和物体到交互点的偏移量，从而获得更准确的交互对。实验结果表明，与现有算法相比，所提出的方法具有更好的性能。

AI总结

AI生成的总结（实验性内容）

该总结是由自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、评估文章相关性，以及让相关领域的读者理解本文内容。它是对作者提供的摘要的补充，后者仍是文章的核心总结。完整文章才是最具权威性的版本。点击此处了解更多。

点击此处，可以对该总结的准确性、清晰度及实用性发表意见。您的反馈将有助于进一步优化未来的总结版本。

要查看此由AI生成的通俗语言总结，您需要拥有高级访问权限。