摘要
人体-物体交互（Human-Object Interaction, HOI）检测需要大量标注数据。当前的算法普遍面临训练样本不足以及数据集内部类别分布不均衡的问题。为提升数据利用效率，本文提出一种高效且有效的数据增强方法——DecAug，用于HOI检测任务。基于我们提出的物体状态相似性度量，该方法能够在不改变物体状态的前提下，共享不同HOI之间的物体模式，从而增强局部物体外观特征。此外，借助姿态引导的高斯混合模型（pose-guided Gaussian Mixture Model），我们能够将人与物体之间的空间关联转移到其他合理配置中，同时保持其交互关系的语义一致性。实验结果表明，该方法在V-COCO和HICODET两个主流数据集上，对两种先进模型分别实现了最高达3.3 mAP和1.6 mAP的性能提升。尤其值得注意的是，样本较少的交互类别获得了更为显著的改进。所提方法可无缝集成至多种HOI检测模型中，且额外计算开销极低。相关代码将公开发布，以促进后续研究。