研究人员推出了一种新颖的AgentHOI框架，该框架利用多模态大语言模型（MLLMs）进行无需训练的交互检测。与需要特定数据集标签的传统监督方法不同，AgentHOI利用了基础模型的通用推理能力。该框架采用上下文感知多轮推理进行全面的交互发现，以及多方面交互定位以提高定位精度，在没有特定HOID训练的情况下，在真实场景中展示了卓越的性能。 AI
影响 这项研究可以实现更具适应性和通用性的交互检测系统，减少对大量标记数据集的需求。
排序理由 这是一篇详细介绍特定AI任务的新框架和方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.13881v1 Announce Type: cross Abstract: Human-object interaction detection (HOID) has traditionally been formulated as a supervised detection problem over predefined interaction categories. While such paradigms achieve strong performance on closed-set benchmarks, they f…
Human-object interaction detection (HOID) has traditionally been formulated as a supervised detection problem over predefined interaction categories. While such paradigms achieve strong performance on closed-set benchmarks, they fundamentally entangle interaction understanding wi…