摘要：
利用来自自然语言句子描述的带有动词和名词短语标注的视频，以弱监督的方式检测视频中的人-物交互，并检测视频多帧中的人和物体边界框，这里的弱监督指的是在训练时不需要边界框注释，同时，允许以零次学习的方式检测罕见和未见过的人-物交互。 主要创新点：引入了一种对比性的弱监督训练损失，可以在无边界框标注的情况 阅读全文
Weakly Supervised Human-Object Interaction Detection in Video via Contrastive Spatiotemporal Regions
摘要：
本篇论文收录于ICCV2021，主要介绍了通过弱监督学习来检测视频中人和对象的交互，论文作者制作了一个网页以介绍论文，包括论文，数据集和代码的下载，地址如下：https://shuangli-project.github.io/weakly-supervised-human-object-detec 阅读全文