초록
인간-객체 상호작용(HOI) 탐지에는 대량의 레이블링된 데이터가 필요하다. 현재의 알고리즘은 훈련 샘플이 부족하고 데이터셋 내 카테고리 간 불균형 문제를 겪고 있다. 데이터 효율성을 높이기 위해 본 논문에서는 HOI 탐지를 위한 효율적이고 효과적인 데이터 증강 방법인 DecAug를 제안한다. 제안한 객체 상태 유사도 지표를 기반으로, 객체의 상태를 변경하지 않은 채 서로 다른 HOI 간에 객체 패턴을 공유함으로써 국소적 객체 외형 특징을 증강한다. 또한 자세를 안내하는 가우시안 혼합 모델(Gaussian Mixture Model)을 활용하여 인간과 객체 간의 공간적 상관관계를 타당한 다른 구성으로 이동시키면서도 상호작용을 유지한다. 실험 결과, 두 개의 고성능 모델에 대해 V-COCO 및 HICODET 데이터셋에서 각각 최대 3.3 mAP 및 1.6 mAP의 성능 향상을 얻었다. 특히 샘플 수가 적은 상호작용의 경우 더 두드러진 개선이 관찰되었다. 본 방법은 추가적인 계산 비용이 거의 발생하지 않으며, 다양한 HOI 탐지 모델에 쉽게 통합할 수 있다. 본 연구의 코드는 공개될 예정이다.