👥 GroupHOI: Human-Object Interaction을 Group으로 학습하기 (NeurIPS 2025)

👥 GroupHOI: Learning Human-Object Interaction as Groups 논문 읽기!

• 제목: Learning Human-Object Interaction as Groups
• 프로젝트: https://github.com/JiajunHong1/GroupHOI
• 저자: Jiajun Hong, Jianan Wei, Wenguan Wang
• 소속: Zhejiang University
• 발표: NeurIPS 2025
  README citation 기준: The Thirty-ninth Annual Conference on Neural Information Processing Systems
• 핵심 키워드: Human-Object Interaction Detection, Group-based HOI Learning, DETR, CLIP, HICO-DET, V-COCO
• 한 줄 요약: HOI Detection을 단순한 human-object pair 분류 문제가 아니라, 이미지 안에서 함께 상호작용하는 사람과 객체들의 group 구조로 학습하는 방향을 제안한다!! 🚀

---

🏛️ 어디에서 발표된 연구인가?

GroupHOI는 GitHub README의 citation 기준으로 NeurIPS 2025에 발표된 연구다.

NeurIPS는 머신러닝과 인공지능 분야에서 가장 영향력이 큰 학회 중 하나다.
이 논문은 Human-Object Interaction Detection, 줄여서 HOI Detection 문제를 다룬다.

GitHub 저장소를 보면 다음 특징을 확인할 수 있다.

• HICO-DET, V-COCO 평가 지원
• DETR ResNet-50 pretrained detector 사용
• CLIP 설치 및 사용 필요
• with_clip_label, with_obj_clip_label 옵션 사용
• PPDM, DETR, QPIC, CDN, GEN-VLKT 코드 기반 일부 활용
• HICO-DET와 V-COCO pretrained model 및 config 제공

즉, GroupHOI는 기존 HOI detection 계열 연구 흐름 위에서,
사람-객체 상호작용을 group이라는 관점으로 재해석하려는 연구라고 볼 수 있다.

---

🚀 연구 핵심 요약

한 줄 요약: “사람-객체 상호작용을 pair 단위로만 보지 말고, interaction이 발생하는 group 단위로 이해하자!”

Human-Object Interaction Detection, 즉 HOI Detection은 이미지 안에서 사람이 어떤 객체와 어떤 행동을 하는지 찾는 문제다.

일반적인 출력은 다음과 같은 triplet 형태다.

• <person, ride, bicycle>
• <person, hold, cup>
• <person, eat, sandwich>
• <person, sit on, chair>
• <person, carry, backpack>

기존 HOI Detection은 대체로 다음 흐름을 따른다.

1. 이미지에서 사람과 객체를 찾는다.
2. 가능한 human-object pair를 만든다.
3. 각 pair가 어떤 interaction verb를 가지는지 예측한다.
4. 최종적으로 <human, verb, object> triplet을 출력한다.

하지만 GroupHOI는 제목 그대로 여기서 한 걸음 더 나아간다.

“실제 이미지 속 상호작용은 정말 독립적인 pair들의 집합일까?”

사람이 식탁에서 밥을 먹는 장면을 생각해보자.

• 사람이 숟가락을 잡고 있고
• 그릇을 보고 있으며
• 음식과 상호작용하고
• 테이블 위에는 컵, 접시, 포크가 함께 있다

이 장면에서 각각의 interaction을 완전히 독립적인 pair로만 보면, 장면 전체의 문맥을 놓칠 수 있다.

GroupHOI의 핵심 관점은 바로 이것이다.

HOI는 pair들의 나열이 아니라, 장면 안에서 의미 있게 묶인 interaction group으로 이해해야 한다.

---

🔍 HOI Detection이 어려운 이유!

1. 사람과 객체가 있다고 interaction이 항상 있는 것은 아니다

이미지 안에 사람과 자전거가 있다고 해서 무조건 ride bicycle은 아니다.

사람은 자전거를 탈 수도 있고, 끌 수도 있고, 고칠 수도 있고, 그냥 옆에 서 있을 수도 있다.

즉, HOI Detection은 단순 object detection보다 훨씬 어렵다.

• 사람과 객체의 위치
• 사람의 자세
• 객체의 종류
• 손과 객체의 접촉 여부
• 주변 장면 문맥
• 다른 객체들과의 관계

를 함께 봐야 한다.

---

2. Pair 단위 모델링은 context를 잃기 쉽다

기존 방식에서는 보통 human-object pair를 하나씩 분리해서 본다.

예를 들어 이미지 안에 사람이 3명, 객체가 10개 있다면 가능한 pair는 30개가 된다.

각 pair를 독립적으로 분류하면 구조는 단순하지만, 다음 문제가 생긴다.

• 서로 관련된 interaction들을 함께 이해하기 어렵다.
• 한 장면 안의 활동 맥락을 충분히 반영하기 어렵다.
• 같은 사람을 중심으로 여러 객체가 연결된 상황을 잘 다루기 어렵다.
• 여러 사람이 같은 객체 또는 같은 활동에 참여하는 장면을 이해하기 어렵다.

예를 들어 야구 장면에서는 사람, 배트, 공, 글러브, 베이스가 함께 의미를 만든다.
이때 <person, hold, bat>만 따로 보거나 <person, hit, ball>만 따로 보면, 전체 action scene을 충분히 이해하지 못할 수 있다.

---

3. HOI는 본질적으로 compositional하다

HOI는 보통 verb + object 조합으로 정의된다.

예를 들면 다음과 같다.

• hold cup
• hold phone
• ride bicycle
• ride horse
• eat apple
• eat sandwich
• sit on chair
• sit on bench

이처럼 verb와 object가 조합되기 때문에 category 수가 많고, long-tail 문제가 심하다.

자주 등장하는 interaction은 학습하기 쉽지만, 드문 interaction은 데이터가 부족하다.

그래서 단순히 각 pair에 대해 class label을 외우는 방식으로는 한계가 있다.

---

🧠 GroupHOI의 핵심 아이디어

GroupHOI는 제목 그대로 Human-Object Interaction을 Groups로 학습한다.

여기서 group은 단순히 사람과 객체 하나의 pair만 의미하지 않는다.
이미지 안에서 상호작용적으로 연결된 사람, 객체, 행동 단서들을 하나의 구조로 바라보는 관점이다.

예를 들어,

• 한 사람이 여러 객체와 상호작용하는 경우
• 여러 사람이 하나의 객체와 관련되는 경우
• 하나의 활동 장면 안에서 여러 interaction이 동시에 발생하는 경우
• 주변 객체들이 특정 action을 이해하는 데 문맥을 제공하는 경우

를 group 단위로 다루는 것이 핵심이다.

즉, GroupHOI는 다음과 같은 방향을 지향한다고 볼 수 있다.

개별 pair classification에서 벗어나, 장면 안의 interaction structure를 group representation으로 학습하자.

---

🖼️ Pair 중심 HOI와 Group 중심 HOI의 차이

기존 pair 중심 관점은 다음과 같다.

person 1 + object A → interaction 1
person 1 + object B → interaction 2
person 2 + object C → interaction 3

이 방식은 이해하기 쉽지만, 각 interaction이 서로 독립적으로 처리되는 경향이 있다.

반면 group 중심 관점은 다음과 같다.

interaction group 1
  - person 1
  - object A
  - object B
  - action context
  - spatial relation
  - scene cue

interaction group 2
  - person 2
  - object C
  - nearby objects
  - action context

이렇게 보면 모델은 단순히 pair 하나만 보는 것이 아니라,
interaction이 발생하는 주변 구조와 context를 함께 학습할 수 있다.

---

🔍 왜 Group으로 보는 것이 중요한가?

1. 같은 사람은 여러 객체와 동시에 상호작용할 수 있다

예를 들어 주방에서 요리하는 사람은 동시에 여러 객체와 관련된다.

• 칼을 잡고 있음
• 도마 위의 음식을 자름
• 그릇을 사용함
• 싱크대 앞에 서 있음

이때 interaction은 하나의 pair로 끝나지 않는다.

person-knife, person-food, person-cutting board, person-bowl 같은 여러 관계가 하나의 활동 group을 형성한다.

이런 group 구조를 이해하면 개별 interaction 예측도 더 안정적으로 할 수 있다.

---

2. 주변 객체가 action을 해석하는 단서가 된다

사람이 손을 앞으로 뻗고 있는 장면이 있다고 하자.

그 앞에 있는 객체가 무엇인지에 따라 action 해석은 달라진다.

• 컵이 있으면 hold cup 또는 drink from cup
• 문 손잡이가 있으면 open door
• 키보드가 있으면 type on keyboard
• 공이 있으면 throw ball 또는 catch ball

즉, action은 사람의 pose만으로 결정되지 않고, 주변 객체 및 장면 문맥과 함께 결정된다.

GroupHOI는 이런 맥락을 group 단위로 보려는 접근이다.

---

3. 여러 사람의 공동 활동을 이해할 수 있다

HOI Detection에서는 여러 사람이 함께 하나의 객체나 활동에 참여하는 장면도 중요하다.

예를 들어,

• 여러 사람이 보트를 타는 장면
• 두 사람이 테니스를 치는 장면
• 사람들이 식탁에서 함께 식사하는 장면
• 여러 사람이 큰 물체를 옮기는 장면

이런 경우 각각의 human-object pair를 독립적으로만 보면, 공동 활동의 맥락을 놓칠 수 있다.

Group 기반 모델링은 이런 multi-person, multi-object interaction을 더 자연스럽게 표현할 수 있다.

---

🔍 GitHub README에서 확인되는 구현 정보

제공된 GitHub README 기준으로 GroupHOI 구현은 다음 요소들을 포함한다.

1. 사용 데이터셋

README에서 공식적으로 언급되는 데이터셋은 다음 두 가지다.

• HICO-DET
• V-COCO

HICO-DET는 HOI Detection에서 가장 널리 쓰이는 벤치마크 중 하나다.
V-COCO 역시 사람의 행동과 객체 간 상호작용을 평가하는 대표적인 데이터셋이다.

---

2. Backbone 및 detector 초기화

README에서는 DETR detector의 pretrained model을 다운로드해서 사용하도록 안내한다.

• DETR ResNet-50 pretrained model
• detr-r50-e632da11.pth
• num_queries 64

HICO-DET와 V-COCO용으로 각각 parameter conversion을 수행한다.

• detr-r50-pre-2branch-hico.pth
• detr-r50-pre-2branch-vcoco.pth

즉, GroupHOI는 DETR 계열의 object detection / query 기반 구조 위에서 HOI detection을 수행하는 흐름으로 이해할 수 있다.

---

3. CLIP 사용

README에는 다음 설치 과정이 포함되어 있다.

git clone https://github.com/openai/CLIP.git && cd CLIP && python setup.py develop && cd ..

또한 evaluation 명령어에서도 다음 옵션들이 보인다.

• --with_clip_label
• --with_obj_clip_label

이로 보아 GroupHOI는 HOI label 또는 object label 쪽에 CLIP 기반 semantic 정보를 활용하는 구현을 포함하는 것으로 보인다.

다만 README만으로는 CLIP이 정확히 어떤 loss나 module에서 어떻게 사용되는지까지는 알 수 없다.
정확한 세부 구조는 논문 본문 또는 코드의 model 파일을 함께 확인해야 한다.

---

4. 참고한 기존 코드베이스

README의 Acknowledge에 따르면 일부 코드는 다음 연구/저장소를 기반으로 한다.

• PPDM
• DETR
• QPIC
• CDN
• GEN-VLKT

이 목록만 봐도 GroupHOI가 HOI Detection의 기존 주요 흐름, 특히 DETR/query 기반 HOI detector 계열과 연결되어 있다는 것을 알 수 있다.

---

🔍 기존 HOI Detection 방식의 한계

1. Human-object pair explosion 문제

이미지에 사람과 객체가 많아질수록 가능한 pair 수는 빠르게 증가한다.

사람이 N명, 객체가 M개라면 가능한 human-object pair는 대략 N × M개가 된다.

예를 들어,

• 사람 5명
• 객체 20개

이면 가능한 pair는 100개가 된다.

이 중 실제 interaction이 있는 pair는 일부에 불과하다.

그래서 모델은 많은 negative pair 속에서 진짜 interaction을 찾아야 한다.

Group 기반 접근은 모든 pair를 무작정 독립적으로 보는 대신,
의미 있는 interaction 후보들을 구조적으로 묶어 생각할 수 있다는 장점이 있다.

---

2. Pair-level feature만으로는 장면 이해가 부족하다

Pair-level feature는 보통 다음 정보를 사용한다.

• human box feature
• object box feature
• union box feature
• spatial encoding
• object class
• verb classifier

하지만 실제 interaction을 이해하려면 때로는 pair 바깥의 정보가 중요하다.

예를 들어 eat을 판단하려면,

• 사람의 입 주변
• 손의 위치
• 음식
• 접시
• 식탁
• 주변 식사 장면

이 모두가 힌트가 될 수 있다.

따라서 group-level context를 학습하는 것이 interaction reasoning에 도움이 될 수 있다.

---

3. Long-tail interaction에 약하다

HOI dataset은 long-tail 분포가 심하다.

자주 등장하는 interaction은 데이터가 많지만, rare interaction은 매우 적다.

Pair 단위 classifier는 rare class의 decision boundary를 충분히 배우기 어렵다.

GroupHOI처럼 구조적 context를 활용하면, rare interaction도 유사한 group pattern이나 scene context를 통해 더 잘 일반화할 가능성이 있다.

---

🧭 GroupHOI는 어떤 방향의 연구인가?

GroupHOI는 HOI Detection을 다음처럼 재해석하는 연구로 볼 수 있다.

관점	기존 Pair 중심 HOI	GroupHOI 관점
기본 단위	Human-object pair	Human-object interaction group
모델링 방식	각 pair를 독립적으로 분류	관련된 사람, 객체, 문맥을 함께 학습
강점	구조가 단순하고 직관적	복잡한 장면 context를 반영하기 좋음
약점	pair explosion, context 부족	group 정의와 학습 설계가 중요
목표	<human, verb, object> 예측	group-aware interaction representation 학습

핵심은 “pair를 버린다”가 아니다.

최종 출력은 여전히 <human, verb, object> triplet일 수 있다.
다만 그 triplet을 예측하는 과정에서 pair 하나만 고립적으로 보는 것이 아니라,
interaction group의 맥락 속에서 이해하자는 것이다.

---

🔍 본 연구의 방법론을 이해하는 포인트

README만으로는 논문 내부의 세부 module 이름이나 loss 구성까지는 확인하기 어렵다.
하지만 제목, 저장소 구조, 실행 옵션, 사용 데이터셋을 기준으로 보면 GroupHOI에서 중요하게 봐야 할 방법론적 포인트는 다음과 같다.

1. Interaction group을 어떻게 정의하는가?

가장 중요한 질문은 이것이다.

“무엇을 하나의 group으로 볼 것인가?”

가능한 기준은 여러 가지다.

• 같은 사람을 중심으로 연결된 객체들
• 같은 객체와 관련된 여러 사람들
• 하나의 activity context 안에 있는 사람과 객체들
• spatially close한 human-object 관계
• semantic하게 연관된 interaction 후보들

Group 정의가 좋아야 모델이 실제 interaction 구조를 잘 배울 수 있다.

---

2. Group feature를 어떻게 만드는가?

Group을 정의했다면, 그다음은 group representation이다.

단순히 box feature를 평균 내는 것만으로는 부족할 수 있다.

좋은 group feature는 다음 정보를 담아야 한다.

• 사람의 appearance
• 객체의 appearance
• 사람과 객체의 상대 위치
• pose 또는 motion cue
• scene context
• 다른 객체와의 관계
• group 내부의 interaction consistency

즉, group feature는 pair feature보다 더 풍부한 context를 담는 representation이어야 한다.

---

3. Group과 triplet prediction을 어떻게 연결하는가?

HOI Detection의 최종 출력은 대체로 <human, verb, object> triplet이다.

그렇다면 group-level representation을 최종 triplet prediction과 어떻게 연결할지가 중요하다.

가능한 흐름은 다음과 같다.

1. 이미지에서 candidate human/object를 찾는다.
2. 관련 있는 human-object 후보들을 group으로 묶는다.
3. group representation을 학습한다.
4. group 내부에서 각 human-object interaction을 예측한다.
5. 최종 triplet을 출력한다.

이 과정에서 group은 단순 보조 feature가 아니라, interaction reasoning의 중심 단위가 된다.

---

4. CLIP label 정보를 어떻게 활용하는가?

README의 evaluation command에는 --with_clip_label, --with_obj_clip_label 옵션이 등장한다.

이는 GroupHOI가 단순 visual feature만 사용하는 것이 아니라,
CLIP에서 얻을 수 있는 label-level semantic 정보를 함께 사용하는 방향일 가능성을 보여준다.

HOI Detection에서는 다음과 같은 이유로 CLIP semantic이 유용할 수 있다.

• ride bicycle과 ride horse처럼 비슷한 action 구조를 가진 class를 가깝게 표현할 수 있다.
• hold cup과 hold bottle처럼 object는 다르지만 유사한 interaction을 공유하는 class에 도움을 줄 수 있다.
• rare class의 classifier 학습을 language prior로 보완할 수 있다.
• object label과 verb label 사이의 의미 관계를 더 잘 반영할 수 있다.

다만 구체적인 CLIP 사용 방식은 논문 본문 또는 코드의 model 구현을 확인해야 정확히 말할 수 있다.

---

🧩 GroupHOI의 핵심 Contribution 정리

구분	내용
발표	NeurIPS 2025
문제 설정	Human-Object Interaction Detection
핵심 관점	HOI를 독립적인 pair가 아니라 interaction group으로 학습
구현 기반	DETR R50, query 기반 HOI detection 흐름
사용 데이터셋	HICO-DET, V-COCO
Semantic 정보	README 기준 CLIP label / object CLIP label 옵션 사용
기대 장점	context-aware reasoning, group-aware interaction representation, rare interaction 일반화
의의	HOI Detection을 구조적 관계 학습 문제로 더 확장

---

🧪 README 기준 실험 결과

GitHub README에는 Regular HOI Detection Results가 공개되어 있다.

1. HICO-DET 결과

Model	Full (D)	Rare (D)	Non-rare (D)	Full (KO)	Rare (KO)	Non-rare (KO)
GroupHOI-S (R50)	36.70	34.86	37.26	39.42	37.78	39.91

여기서 README 기준 표기는 다음과 같다.

• D: Default
• KO: Known Object

눈에 띄는 점은 Rare 성능도 꽤 높게 보고되어 있다는 것이다.

• Rare (D): 34.86
• Rare (KO): 37.78

HOI Detection에서는 rare class 성능이 매우 중요하다.
데이터가 적은 interaction을 얼마나 잘 예측하는지가 모델의 일반화 능력을 보여주기 때문이다.

---

2. V-COCO 결과

Model	Scenario 1	Scenario 2
GroupHOI-S (R50)	65.0	66.0

V-COCO에서도 GroupHOI-S (R50)의 결과가 공개되어 있다.

V-COCO는 HICO-DET와 평가 방식이 다르지만,
사람의 행동과 객체 간 관계를 평가한다는 점에서 HOI detector의 성능을 보는 중요한 benchmark다.

---

🧪 실험 결과를 볼 때 체크할 부분

GroupHOI를 읽을 때는 단순히 전체 mAP만 보는 것보다 다음 포인트를 함께 보면 좋다.

1. Rare class 성능이 얼마나 좋아지는가?

HOI Detection은 long-tail 문제가 심하다.

따라서 전체 Full mAP뿐 아니라 Rare mAP가 중요하다.

GroupHOI README 기준 HICO-DET 결과에서 Rare 성능은 다음과 같다.

• Rare (D): 34.86
• Rare (KO): 37.78

이 수치가 기존 방법 대비 얼마나 개선되었는지, 그리고 group modeling이 rare class에 어떤 영향을 주는지가 논문에서 가장 중요하게 볼 부분이다.

---

2. Group modeling이 실제로 효과가 있는가?

Ablation study에서 봐야 할 핵심은 다음이다.

• group module을 제거하면 성능이 떨어지는가?
• pair-only 방식과 비교했을 때 개선이 있는가?
• group 크기나 group 구성 방식에 따라 성능이 달라지는가?
• group context가 rare interaction에 더 도움이 되는가?
• multi-person/multi-object 장면에서 개선이 큰가?

이런 분석이 있어야 “group으로 본다”는 아이디어가 실제로 유효하다는 것을 확인할 수 있다.

---

3. CLIP label 정보가 얼마나 도움이 되는가?

README 명령어에 CLIP 관련 옵션이 있는 만큼, 다음 ablation도 중요하다.

• with_clip_label을 제거했을 때 성능 변화
• with_obj_clip_label을 제거했을 때 성능 변화
• CLIP semantic이 rare class에 더 큰 도움을 주는지 여부
• object label semantic과 interaction group modeling이 어떻게 결합되는지

HOI class는 verb-object 조합으로 이루어져 있기 때문에,
CLIP의 language/semantic prior가 잘 들어가면 long-tail 문제에 도움이 될 가능성이 있다.

---

4. 계산량은 얼마나 증가하는가?

Group modeling은 context를 풍부하게 만들 수 있지만, 계산량이 늘어날 수도 있다.

그래서 다음도 중요하다.

• inference 속도
• memory 사용량
• group 생성 비용
• pair enumeration 대비 효율성
• DETR query 수와 성능의 관계
• backbone이나 detector에 독립적으로 적용 가능한지

좋은 group-based HOI 모델이라면 성능뿐 아니라 효율성도 함께 고려해야 한다.

---

🔥 왜 이 논문이 중요한가?

HOI Detection은 단순히 객체를 찾는 문제가 아니다.

사람이 객체와 어떤 관계를 맺고 있는지 이해해야 한다.

이는 곧 장면 이해(scene understanding), 행동 인식(action understanding), 관계 추론(relation reasoning)이 모두 결합된 문제다.

GroupHOI가 중요한 이유는 HOI Detection의 기본 단위를 다시 생각하게 만들기 때문이다.

기존 방식은 대부분 다음처럼 생각했다.

“사람 하나와 객체 하나를 pair로 만들고, 그 pair의 interaction을 분류하자.”

하지만 실제 이미지는 훨씬 복잡하다.

• 한 사람이 여러 객체와 상호작용한다.
• 여러 사람이 같은 객체와 관련된다.
• 주변 객체들이 action을 해석하는 데 중요한 단서가 된다.
• 장면 전체의 activity context가 verb prediction에 영향을 준다.

따라서 group 단위로 interaction을 학습하는 것은 자연스러운 확장이다.

특히 로보틱스, 자율주행, 영상 이해, 감시 시스템, AR/VR 같은 응용에서는 단일 pair보다 장면 속 관계 구조를 이해하는 것이 중요하다.

---

🧠 개인적인 이해 포인트

이 논문에서 가장 흥미로운 부분은 HOI Detection을 “관계들의 집합”으로 보는 관점이다.

사람과 객체 하나의 pair만 보면 애매한 장면도, group으로 보면 훨씬 명확해질 수 있다.

예를 들어 사람이 손을 뻗고 있는 장면에서,

• 컵 하나만 있으면 hold cup
• 접시와 음식이 함께 있으면 eat
• 싱크대와 접시가 있으면 wash
• 문 손잡이가 있으면 open
• 키보드와 모니터가 있으면 type

처럼 주변 group context가 action 해석에 큰 영향을 준다.

즉, interaction은 pair 안에만 존재하는 것이 아니라, 장면 전체 구조 속에서 의미가 결정된다.

GroupHOI는 이 점을 잘 포착한 연구로 볼 수 있다.

또한 README에서 CLIP label 관련 옵션이 보인다는 점도 흥미롭다.
HOI는 verb + object의 조합이기 때문에, 시각 정보뿐 아니라 label semantic을 잘 활용하는 것이 특히 중요하다.

Group-level context와 CLIP semantic이 함께 쓰인다면,
단순 pair classifier보다 더 풍부한 interaction representation을 만들 수 있을 것이다.

---

✅ 결론

• GroupHOI는 NeurIPS 2025에 발표된 HOI Detection 연구다.
• 제목처럼 HOI를 독립적인 pair가 아니라 group 단위로 학습하려는 관점을 제안한다.
• 기존 pair 중심 HOI Detection은 구조가 단순하지만, 복잡한 장면 context를 놓치기 쉽다.
• GroupHOI는 관련된 사람, 객체, action context를 하나의 interaction group으로 보고 더 풍부한 관계 표현을 학습하려 한다.
• GitHub README 기준 DETR R50 기반 pretrained detector와 CLIP 관련 label 옵션을 사용한다.
• HICO-DET에서 GroupHOI-S (R50)는 Default Full 36.70, Rare 34.86, Known Object Full 39.42를 보고한다.
• V-COCO에서는 Scenario 1 65.0, Scenario 2 66.0을 보고한다.
• 핵심은 “최종 출력이 triplet이냐 아니냐”가 아니라, 그 triplet을 예측하는 과정에서 group-aware reasoning을 하느냐이다.
• HOI Detection을 단순 pair classification에서 구조적 scene understanding 문제로 확장한다는 점에서 의미 있는 방향이다!!

---