HEIR: 機能的役割を伴う人-実体インタラクションの学習

- 画像ベンチマーク HEIR を提案。 - Human-Entity Interactions with Functional Roles の略。 - object/interpersonal/self-directed の interaction を対象。 - 18,730 images、6 roles、105 actions、437 nouns を含む。 - shared entities、role changes、repeated fillers を含む。 - 51.6% が複数 actor、62.1% が複数 action。 - 手法 CoRISP を提案。 - Compositional Role-aware Interaction Set Prediction。 - 完全な participant-role set を予測。

- 標準 HOI metrics は個別 link を採点し、完全な event composition を過小評価。 - HEIR は relation AP に加え complete-set AP と structural evaluation を導入。 - 16 baselines で relation と complete-event の ranking が乖離。 - action weights を揃えても乖離。 - CoRISP は repeated-role events と shared-participant images で評価システム中首位。 - それぞれ 2.87、3.82 Set mAP ポイント上回る。

- CoRISP は shared entity identities を利用。 - role-conditioned evidence を統合。 - normalized participant-role sets を予測。 - Cardinality potential と role-multiplicity potential を導入。 - event size と role composition を通じて assignment を結合。 - exact per-event normalization を行う。

- HEIR 上で 16 baselines と比較。 - relation と complete-event の ranking 乖離を確認。 - CoRISP が repeated-role events で 2.87 Set mAP ポイント優位。 - shared-participant images で 3.82 Set mAP ポイント優位。 - V-COCO 上で評価。 - two-slot actions で role AP 73.72/76.23。 - complete-set AP 61.06/68.59。 - Scenarios 1/2 の結果。

- 個別 relation と event composition を併せて学習・評価する価値が示唆。 - 標準 HOI metrics では完全な event composition を測れない点を指摘。 - 要旨からは不明。 - 具体的な限界や失敗事例の議論。 - 計算コストやスケーラビリティの議論。

- HEIR と比較された 16 baselines の詳細。 - V-COCO 上の既存手法。 - HOI 関連の標準手法。 - Human-Object Interaction detection。 - Scene Graph Generation。 - Compositional Action Recognition。 - 要旨で参照/比較されている個別研究名は明示されていない。