エゴセントリックな手—物体相互作用検出を強化するための合成データの活用

arXiv cs.CV / 2026/4/1

📰 ニュースIdeas & Deep AnalysisTools & Practical UsageModels & Research

共有:

要点

本論文は、特にラベル付きの実データが不足している、または欠けている場合に、合成データがエゴセントリックな手—物体相互作用（HOI）検出をどのように改善し得るかを研究する。
VISOR、EgoHOS、ENIGMA-51 にまたがる実験により、合成データに加えて実際のラベル付きデータのわずか 10% だけで学習することで、実データのみで学習した場合に比べて Overall AP が向上することが示される。
報告されている改善幅は、VISOR で +5.67%、EgoHOS で +8.24%、ENIGMA-51 で +11.69% であり、合成データが実用的な性能向上の手段であることを裏付けている。
著者らは、合成—実データのアライメント（対象物、把持、環境）が重要な要因であり、実世界のベンチマークへの整合が改善されるほど有効性が高まると指摘する。
新たな合成データ生成パイプラインと HOI-Synth ベンチマークを公開し、接触状態、バウンディングボックス、ピクセル単位のセグメンテーションマスク付きで自動アノテーションされた合成画像を提供する。