Parallel disentangling network for human–object interaction detection

计算机科学 变压器 目标检测 人工智能 模式识别(心理学) 机器学习 物理 量子力学 电压
作者
Ya-Min Cheng,Hancong Duan,Chen Wang,Zhijun Chen
出处
期刊:Pattern Recognition [Elsevier]
卷期号:146: 110021-110021 被引量:6
标识
DOI:10.1016/j.patcog.2023.110021
摘要

Human-object interaction (HOI) detection aims to localize and classify triplets of human, object and interaction from a given image. Earlier two-stage methods suffer both from mutually independent training processes and the interference of redundant negative human-object pairs. Prevailing one-stage transformer-based methods are free from the above problems by tackling HOI in an end-to-end manner. However, one-stage transformer-based methods carry the unnecessary entanglements of the query for different tasks, i.e., human-object detection and interaction classification, and thus bring in poor performance. In this paper, we propose a new transformer-based approach that parallelly disentangles human-object detection and interaction classification in a triplet-wise manner. To make each query focus on one specific task clearly, we exhaustively disentangle HOI by parallelly expanding the naive query in vanilla transformer as triple explicit queries. Then, we introduce a semantic communication layer to preserve the consistent semantic association of each HOI through mixing the feature representations of each query triplet of the correspondence constraint. Extensive experiments demonstrate that our proposed framework outperforms the existing methods and achieves the state-of-the-art performance, with significant reduction in parameters and FLOPs.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
www完成签到,获得积分10
刚刚
Balla发布了新的文献求助10
刚刚
顾矜应助鸣蜩阿六采纳,获得10
刚刚
lijing完成签到,获得积分10
刚刚
1秒前
1秒前
淡然面包完成签到,获得积分10
1秒前
内向流沙应助hajy采纳,获得20
1秒前
1秒前
hahaha完成签到,获得积分10
2秒前
科研通AI2S应助benny采纳,获得10
2秒前
小醉橘子发布了新的文献求助50
3秒前
韩韩完成签到,获得积分10
3秒前
小柒发布了新的文献求助10
4秒前
5秒前
aaa142hehe完成签到 ,获得积分10
5秒前
5秒前
6秒前
6秒前
激动的猫咪完成签到,获得积分10
6秒前
江任意西发布了新的文献求助10
7秒前
7秒前
脑洞疼应助zhang@采纳,获得10
8秒前
于冷松发布了新的文献求助20
8秒前
ppg123应助忧虑的代容采纳,获得50
8秒前
9秒前
内向流沙完成签到,获得积分10
10秒前
zackcai完成签到,获得积分10
11秒前
情怀应助生动谷蓝采纳,获得10
12秒前
欣5完成签到 ,获得积分10
12秒前
12秒前
powozhi13579发布了新的文献求助10
13秒前
laissez_fairy发布了新的文献求助10
14秒前
研友_V8Qmr8发布了新的文献求助20
15秒前
zlq完成签到 ,获得积分10
15秒前
负责的花瓣应助1122采纳,获得10
16秒前
甜美的成败完成签到,获得积分10
23秒前
刘十一完成签到 ,获得积分10
26秒前
领导范儿应助柯卿彦采纳,获得10
27秒前
27秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3248346
求助须知:如何正确求助?哪些是违规求助? 2891768
关于积分的说明 8268557
捐赠科研通 2559696
什么是DOI,文献DOI怎么找? 1388596
科研通“疑难数据库(出版商)”最低求助积分说明 650772
邀请新用户注册赠送积分活动 627744