本研究提出了一种新颖的词汇多义性辨析网络（PD-Net），用于人-物互动检测，并构建了新的基准数据集。通过分析动词的视觉多义性，该方法在多个数据库上表现优异。此外，研究开发了基于对象的跨模态校准网络（OCN）和多模态提示的HOI检测器（MP-HOI），实现了更高的准确性和开放世界的交互识别能力。实验结果显示，所提方法在多个基准测试中均取得了最先进的性能。