摘要
人与物体交互（Human-Object Interaction, HOI）检测是从图像或视频中推断人类与物体之间关系的基本任务，对于高层次场景理解至关重要。然而，HOI检测通常会受到与物体交互的开放长尾性质的影响，而人类具有极强的组合感知能力，能够认知罕见或未见过的HOI样本。受此启发，我们设计了一种新的HOI组合学习框架，称为合成组合学习（Fabricated Compositional Learning, FCL），以解决开放长尾HOI检测问题。具体而言，我们引入了一个物体生成器来生成有效的物体表示，然后将动词和合成的物体结合起来，组成新的HOI样本。通过所提出的物体生成器，我们能够为罕见和未见过的类别生成大规模的HOI样本，从而缓解HOI检测中的开放长尾问题。在最流行的HOI检测数据集HICO-DET上进行的大量实验表明，该方法在处理不平衡的HOI检测方面具有有效性，并显著提升了罕见和未见过的HOI类别的最新性能。代码可在https://github.com/zhihou7/HOI-CL 获取。