.png){kind=icon}
返回
Diagnosing Human-Object Interaction Detectors
.png){kind=icon}
OA
AI
DOI：10.1007/s11263-025-02369-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们见证了人类-物体交互（HOI）检测领域的显著进展。然而，仅依赖mAP（平均精确度均值）得分作为总结性指标，无法充分揭示模型性能的细微差别（例如，为何一个模型优于另一个模型），这可能阻碍该领域的进一步创新。为解决此问题，本文引入了一个诊断工具箱，以提供HOI检测模型的详细定量分解，该工具箱借鉴了目标检测诊断工具的成功经验。我们首先对HOI检测流程进行了全面调查。通过定义一组错误并使用“先知”（oracles）修正每个错误，我们基于修正错误所带来的mAP提升，定量分析了不同错误的重要性。接着，我们研究了HOI检测的两个关键子任务：人-物对定位和交互分类。对于对定位任务，我们计算了真实人-物对的覆盖范围，并评估了定位结果中的噪声程度。对于分类任务，我们衡量了模型区分正负检测结果的能力，以及在人-物对正确定位时对实际交互进行分类的能力。我们分析了八种当前最先进（state-of-the-art）的HOI检测模型，提供了有价值的诊断见解以指导未来研究。例如，我们的诊断显示，当前最先进的模型RLIPv2之所以优于其他模型，主要是因为其在多标签交互分类准确率方面取得了显著提升。本工具箱适用于各种方法和数据集，并可从https://neu-vi.github.io/Diag-HOI/获取。
Keyword:
Error Diagnosis
Human-object interaction Detection
Visual Relationship Understanding
Object Detection
期刊
IF:
9.3
论文数:
3.9K
被引数:
2.8W
机构
暂无机构信息
引用论文
.png){kind=icon}
Visual Genome: Connecting Language and Vision Using Crowdsourced Dense Image Annotations视觉基因组: 使用众包密集图像注释连接语言和视觉
OAAI
OAAI分享收藏
查看更多内容