영상-언어 통합을 통한 제로샷 인간-객체 상호작용 탐지

본 연구는 영상-언어 모델의 지식을 효과적으로 통합하여 제로샷 인간-객체 상호작용 탐지 성능을 향상시키는 새로운 프레임워크를 제안한다.