要約
人間-物体インタラクション（HOI）は、人間、物体、および隠れたインタラクション（動詞）から構成される。従来の手法がピクセルを直接HOIの意味にマッピングするのに対し、本研究では、分析的なアプローチによりHOI学習に対する新たな視点を提案する。調和解析（Harmonic Analysis）に類比し、その目的が基本波の重ね合わせによって信号を表現する方法を研究することにあることから、本研究では「HOI解析」を提案する。我々は、一貫性を持つHOIは、分離された人間と物体に分解可能であると主張する。同時に、分離された人間と物体は再び統合されることで一貫性のあるHOIを再構成できる。さらに、同じHOIを共有する人間-物体ペア間の変換も、統合と分解のプロセスを経ることでより容易に実現可能となる。その結果、隠れた動詞は変換関数空間において表現される。この知見を基に、上記の変換を実現するための統合-分解ネットワーク（Integration-Decomposition Network, IDN）を提案し、広く用いられるHOI検出ベンチマークにおいて最先端の性能を達成した。コードは以下のURLにて公開されている：https://github.com/DirtyHarryLYL/HAKE-Action-Torch/tree/IDN-(Integrating-Decomposing-Network)。