该研究聚焦于人-物交互检测，提出了解耦三元组预测和Disentangled Transformer等新方法，显著提升了HICO-DET和V-COCO数据集上的检测性能。通过结合强弱监督数据和视觉语言模型，研究有效解决了样本不均衡问题，并在零样本学习中表现优异。