ICCV 2025 | 跨越视觉与语言边界，打开人机交互感知的新篇章：北大团队提出INP-CC模型重...

主要观点总结

本文介绍了北京大学王选计算机研究所博士生雷廷及其团队在HOI检测领域的最新研究成果。该研究提出了一种全新的开集人类-物体交互（HOI）检测方法——交互感知提示与概念校准（INP-CC）。该方法解决了现有HOI检测方法的局限性，通过动态生成交互感知提示和概念校准，提升了模型对开放世界中的交互关系理解。在主流数据集上取得了当前最佳性能。

关键观点总结

关键观点1: 研究背景与意义

目前大多数HOI检测方法主要关注封闭环境下的人物交互检测，难以识别新的交互类型，因此在实际应用中受到限制。该研究提出了一种全新的HOI检测方法，进入「开放词汇」时代，具有巨大的实际应用潜力。

关键观点2: 主要研究成果

该研究提出了INP-CC模型，包括交互感知式提示生成和概念校准两项核心创新。通过动态生成交互感知提示，解决了图像级预训练和细粒度区域交互检测之间的差距；概念校准则提升了模型对语义细节的捕捉能力。

关键观点3: 方法架构与特点

INP-CC模型通过一个交互适应式提示生成器，结合输入图片特性，动态构造与场景相关的提示集合。同时结合大规模语言模型，对视觉描述进行生成与校准，提升模型对语义细节的捕捉能力。

关键观点4: 实验表现

在HICO-DET和SWIG-HOI两大开放词汇HOI数据集上，INP-CC模型在所有指标上均优于现有主流方法，具有强大的实际应用能力。