Key points are not available for this paper at this time.
人-物体交互（HOI）检测识别出人如何与物体互动，这在自驾车和协作机器人等自主系统中具有优势。然而，当前的HOI检测器在预测时往往受到模型效率低下和不可靠的困扰，这限制了其在现实场景中的潜力。本文通过提出ERNet，解决了这些挑战，该网络是一个端到端可训练的卷积-变换器网络，用于HOI检测。该模型采用高效的多尺度可变形注意力，有效捕捉重要的HOI特征。我们还提出了一种新颖的检测注意力模块，自适应生成语义丰富的实例和交互标记。这些标记经过预判检测，以产生初步区域和向量提案，同时也作为查询，从而增强变换器解码器中的特征优化过程。还应用了几项有影响力的增强措施来改善HOI表示学习。此外，我们在实例和交互分类头中利用预测不确定性估计框架来量化每个预测背后的不确定性。通过这样做，我们可以准确且可靠地预测HOIs，即使在具有挑战性的场景下也是如此。HICO-Det、V-COCO和HOI-A数据集上的实验结果表明，所提出的模型在检测精度和训练效率方面实现了最先进的性能。代码可公开访问，网址为https://github.com/Monash-CyPhi-AI-Research-Lab/ernet.
Lim等（Sun，）研究了这个问题。