摘要
我们针对人类-物体交互（Human-Object Interaction, HOI）检测这一具有挑战性的问题展开研究。现有方法要么孤立地识别每对人-物之间的交互关系，要么基于复杂的外观特征进行联合推理。本文中，我们采用一种抽象的空间-语义表示来描述每对人-物关系，并通过构建双关系图（一个以人类为中心，一个以物体为中心）来聚合场景的上下文信息。所提出的双关系图能够有效捕捉场景中的判别性线索，从而缓解局部预测带来的歧义。我们的模型在概念上简洁明了，在两个大规模基准数据集上的实验结果表明，其性能优于当前最先进的HOI检测算法。