PERCEPTION
自我中心的视频-语言模型是否同时捕捉手和物体中心的线索？
Masatoshi Tateno, Alexandros Stergiou, Risa Shinoda, Yoichi Sato, Dima Damen
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
该论文针对手-物交互识别中模型依赖虚假相关性的问题，提出结合手-物掩码训练和交互动态解码器的学习范式，并构建了DEHOI测试平台以独立评估手和物体线索的推理能力。实验表明该方法能有效增强模型对手和物体动态的敏感性，避免捷径学习。
关键词
hand-object interactionvideo-language modelrobust reasoningcue isolationinpainting evaluation
相关论文
PERCEPTION
📊 22,245 引用
Artificial intelligence: a modern approach
1995
PERCEPTION
📊 14,348 引用
Are we ready for autonomous driving? The KITTI vision benchmark suite
Andreas Geiger, P Lenz, R. Urtasun
2012
PERCEPTION
开放获取📊 9,777 引用
TensorFlow: Large-Scale Machine Learning on Heterogeneous Distributed Systems
Martı́n Abadi, Ashish Agarwal, Paul Barham 等 20 位作者
2016
PERCEPTION
📊 9,681 引用
Vision meets robotics: The KITTI dataset
Andreas Geiger, Philip Lenz, Christoph Stiller 等 4 位作者
2013