近期的人体-物体交互（HOI）检测领域的先进方法通常基于具有两个解码器分支的 Transformer 架构，其中一个分支用于人体-物体对的检测，另一个分支用于交互分类。然而，这种分离式的 Transformer 可能会因分支之间的上下文交换不足而导致关系推理所需的上下文信息缺失，这在发现HOI实例中至关重要。在这项工作中，我们提出了一种多路关系网络（MUREN），该网络通过人体、物体和交互标记的一元、二元和三元关系，在三个解码器分支之间进行丰富的上下文交换。所提出的方法学习了全面的关系上下文，以发现HOI实例，在HICO-DET和V-COCO这两个标准的HOI检测基准数据集上取得了最先进的性能。