ABSTRACT & INTRODUCTION

这篇实质是完成一个分类任务，并且能在unseen objects上也能辨认出其affordance，应该比较容易拿过来做few-shot任务。

METHOD

train用这张图，test用下面object affordance recognition那张图

AFFORDANCE TRANSFER LEARNING

Efficient HOI Composition

To compose a new HOI by the object $\hat{l_o}$ and verb $l_v$, we assign the label to the composite HOI as follows,

$$ \hat{y} = (\hat{l_o}A_o) \and (l_vA_v) $$

，其中$A_o$和$A_v$是分别关于object和verb的同现矩阵co-occurrence matrix（？）

Invalid HOI Elimination

有些HOI是无效的（比如ride orange），所以把无效HOI在上式矩阵的对应位置清零了

OBJECT AFFORDANCE RECOGNITION

这里主要解释如何在test phase做推理

对每个affordance，我们随机抽取M（这里M=100）个instances，抽取完特征之后作为affordance feature bank

对一个输入的object feature，我们把它和bank所有的affordance一一结合起来，把所有的HOI predictions都转换成affordance prediction（这有啥区别），然后就得到了有许多重复元素的affordance lists。一个元素重复得越多说明有这个affordance的可能习惯越大。

OPTIMIZATION AND INFERENCE

loss就比较常规 $$ L = L_{hoi_sp}+\lambda_1L_{hoi}+\lambda_2L_{ATL} $$ ，其中$\lambda_1$,$\lambda_2$都是超参数。