arXiv cs.AI· Youngrae Kim, Yejin Jang, Eunho Kim, Youjin Sung, Kun-Woo Song, Sangpil Kim, Sang Ho Yoon·· 11 小时前AI 评分29
HAPACT：面向电影中人体物理冲击定位的基准
HAPACT: A Benchmark For Human-Centric Physical Impact Localization in Movies
AI 导读
研究者提出以人为中心的物理冲击定位新任务，并构建 HAPACT 数据集与基准，从电影片段中收集超 2.8K 视频-查询对和逾 20K 帧人工细粒度标注。该基准采用文本条件定位，时间上定位冲击片段、空间上基于 SMPL-X 定位人体受击部位。
正文 · AI 翻译
摘要：视频中关于人类的物理推理主要集中于日常交互，其中接触、压力、姿态和运动支持具身感知与接触感知应用。然而，冲击事件这类短促而有力的属性仍相对缺乏探索，尽管它们对于更广泛地理解突发物理事件如何影响人体具有重要意义。为填补这一空白，我们引入了以人为中心的冲击定位，这是一项新任务，旨在在视频中时间维度上定位目标物理冲击，并在人体上空间维度上定位。我们进一步提出了 HAPACT，一个以人为中心的冲击数据集与基准，基于电影片段构建，包含超过 2.8K 个视频-查询对以及超过 20K 个细粒度人工标注帧。HAPACT 围绕以观众为基准的标注、文本条件定位以及帧级时间与基于 SMPL-X 的空间粒度的监督构建。为证明我们基准的有效性，我们对现有方法进行了广泛评估，采用视频时刻检索模型进行时间定位，采用人体-场景接触模型进行空间定位。对于空间任务，我们通过将定位重新表述为查询引导的身体区域选择，提出了一种文本条件基线。基准结果表明，物理冲击定位对现有方法仍具挑战性，这促使 HAPACT 成为一个专门基准，以支持视频中的物理冲击推理。
| 评论： | 29 页，16 幅图。已被 NeurIPS 2026（评估与数据集 Track）接收 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.22895 [cs.CV] |
| （或 arXiv:2610.22895v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22895 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sang Ho Yoon [查看邮箱]
[v1]
2026 年 10 月 16 日星期五 03:53:51 UTC（20,862 KB）
来源：arXiv cs.AI · arxiv.org