본 논문은 사람-물체 접촉(HOT) 탐지 문제를 해결하기 위해 P3HOT이라는 새로운 프레임워크를 제안합니다. P3HOT은 프롬프트 안내(Prompt guidance)와 사람 근접 인식(human Proximal Perception)을 결합하여, 이미지와 텍스트 간의 상관관계를 기반으로 네트워크의 주의를 관련 영역으로 유도하고, 학습 가능한 매개변수를 사용하여 상호 작용이 예상되지 않는 영역을 효과적으로 제거합니다. 깊이 정보를 활용하여 2D 관점에서 사람과 물체 간의 중첩에 대한 불확실성을 해결하고 준 3D 관점을 제공하며, 지역 공동 손실(RJLoss)을 통해 동일 영역 내의 비정상적인 범주를 억제합니다. 또한, 기존 방법의 단점을 해결하기 위해 새로운 평가 지표인 "AD-Acc."를 도입했습니다. 실험 결과, 두 개의 벤치마크 데이터셋에서 네 가지 지표 모두에서 최첨단 성능을 달성했습니다.
