HanDyVQA

新的基准和模型推动手部-物体交互检测的进展

研究人员推出了新的框架和基准来理解计算机视觉中的手部-物体交互。一篇论文详细介绍了 HOI-DETR，这是一种新的架构，在 Hands23 和 FineBio 等多个数据集上将最先进的性能提高了 20 多个百分点。另一项贡献是 HanDyVQA，这是一个视频问答基准，旨在评估手部-物体动态中的细粒度时空推理能力，而当前的 Gemini 2.5 Pro 等模型难以掌握。