可迁移的交互知识用于人-物交互检测

人体-物体交互（Human-Object Interaction, HOI）检测是理解人类如何与物体互动的一个重要问题。在本文中，我们探讨了交互性知识，该知识用于判断人类和物体之间是否存在互动。研究发现，无论HOI类别设置如何，交互性知识可以在多个HOI数据集中进行学习。我们的核心思想是利用一个交互性网络从多个HOI数据集中学习普遍的交互性知识，并在推理过程中进行非交互抑制，然后再进行HOI分类。由于交互性的泛化能力，交互性网络是一个可迁移的知识学习器，可以与任何HOI检测模型结合使用以获得理想的结果。我们在HICO-DET和V-COCO数据集上对所提出的方法进行了广泛的评估。实验结果表明，我们的框架显著优于现有的最先进的HOI检测方法，验证了其有效性和灵活性。代码已发布在 https://github.com/DirtyHarryLYL/Transferable-Interactiveness-Network。