論文の概要: A Novel Graph based Trajectory Predictor with Pseudo Oracle

• arxiv url: http://arxiv.org/abs/2002.00391v2
• Date: Fri, 18 Jun 2021 07:24:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-04 20:16:12.324054
• Title: A Novel Graph based Trajectory Predictor with Pseudo Oracle
• Title（参考訳）: Pseudo Oracle を用いた新しいグラフベース軌道予測器
• Authors: Biao Yang, Guocheng Yan, Pin Wang, Chingyao Chan, Xiang Song, and Yang Chen
• Abstract要約: GTPPOは、歩行者の将来の行動に配慮したエンコーダデコーダに基づく手法である。 ETH、UCY、Stanford Droneのデータセットで評価されている。
• 参考スコア（独自算出の注目度）: 15.108410951760131
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pedestrian trajectory prediction in dynamic scenes remains a challenging and critical problem in numerous applications, such as self-driving cars and socially aware robots. Challenges concentrate on capturing pedestrians' motion patterns and social interactions, as well as handling the future uncertainties. Recent studies focus on modeling pedestrians' motion patterns with recurrent neural networks, capturing social interactions with pooling-based or graph-based methods, and handling future uncertainties by using random Gaussian noise as the latent variable. However, they do not integrate specific obstacle avoidance experience (OAE) that may improve prediction performance. For example, pedestrians' future trajectories are always influenced by others in front. Here we propose GTPPO (Graph-based Trajectory Predictor with Pseudo Oracle), an encoder-decoder-based method conditioned on pedestrians' future behaviors. Pedestrians' motion patterns are encoded with a long short-term memory unit, which introduces the temporal attention to highlight specific time steps. Their interactions are captured by a graph-based attention mechanism, which draws OAE into the data-driven learning process of graph attention. Future uncertainties are handled by generating multi-modal outputs with an informative latent variable. Such a variable is generated by a novel pseudo oracle predictor, which minimizes the knowledge gap between historical and ground-truth trajectories. Finally, the GTPPO is evaluated on ETH, UCY and Stanford Drone datasets, and the results demonstrate state-of-the-art performance. Besides, the qualitative evaluations show successful cases of handling sudden motion changes in the future. Such findings indicate that GTPPO can peek into the future.
• Abstract（参考訳）: 動的シーンにおける歩行者の軌道予測は、自動運転車や社会的に認識されたロボットなど、多くのアプリケーションにおいて困難な問題であり続けている。 課題は歩行者の行動パターンや社会的相互作用を捉え、将来の不確実性を扱うことに集中する。 近年の研究では、繰り返しニューラルネットワークを用いた歩行者の動作パターンのモデル化、プールベースやグラフベース手法による社会的相互作用の捉え、ランダムなガウスノイズを潜時変数として利用することで将来の不確実性を扱うことに焦点を当てている。 しかし、予測性能を改善する特定の障害回避エクスペリエンス(oae)は統合していない。 例えば、歩行者の将来の軌跡は、常に前方の他者の影響を受けている。 本稿では,歩行者の将来の行動を考慮したエンコーダデコーダを用いたGTPPO (Graph-based Trajectory Predictor with Pseudo Oracle)を提案する。 歩行者の動作パターンは、特定の時間ステップを強調するために時間的注意を導入する長い短期記憶ユニットで符号化される。 これらの相互作用はグラフベースのアテンションメカニズムによって捉えられ、OAEをグラフアテンションのデータ駆動学習プロセスに引き込む。 将来の不確実性は、情報付き潜在変数でマルチモーダル出力を生成することで処理される。 このような変数は、歴史と地道の知識ギャップを最小限に抑える新しい擬似オラクル予測器によって生成される。 最後に、GTPPOはETH、UCY、Stanford Droneのデータセットに基づいて評価され、その結果は最先端のパフォーマンスを示している。 さらに, 定性的評価は, 将来的な急激な動きの変化をうまく扱えることを示す。 これらの結果は、GTPPOが未来を覗くことができることを示している。

関連論文リスト

• FIMP: Future Interaction Modeling for Multi-Agent Motion Prediction [18.10147252674138]
  動作予測(FIMP)のための未来のインタラクションモデリングを提案し,その将来的なインタラクションをエンドツーエンドで捉える。 実験により,今後のインタラクションモデリングにより性能が著しく向上し,Argoverseモーション予測ベンチマークの性能が向上することが示された。
  論文  参考訳（メタデータ） (2024-01-29T14:41:55Z)
• Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
  Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。 提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
  論文  参考訳（メタデータ） (2023-12-26T18:56:49Z)
• Attention-aware Social Graph Transformer Networks for Stochastic Trajectory Prediction [16.55909815712467]
  軌道予測は、自律運転やロボット工学など、様々なインテリジェントな技術の基本である。 現在の軌道予測研究は、複雑な社会的相互作用、高ダイナミクス、多モード性といった問題に直面している。 マルチモーダル軌道予測のためのアテンション対応ソーシャルグラフトランスフォーマーネットワークを提案する。
  論文  参考訳（メタデータ） (2023-12-26T04:24:01Z)
• Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
  本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。 我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。 ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T07:49:48Z)
• Graph-based Spatial Transformer with Memory Replay for Multi-future Pedestrian Trajectory Prediction [13.466380808630188]
  歴史的軌跡に基づく複数経路の予測モデルを提案する。 提案手法は,空間情報を利用するとともに,時間的に矛盾した軌道を補正することができる。 実験により,提案手法は,複数未来予測の最先端性能と,単一未来予測の競合結果が得られることを示した。
  論文  参考訳（メタデータ） (2022-06-12T10:25:12Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory Prediction [52.442129609979794]
  軌道予測のための最近の深層学習手法は有望な性能を示す。 そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。 本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T14:24:15Z)
• Development of Human Motion Prediction Strategy using Inception Residual Block [1.0705399532413613]
  Inception Residual Block (IRB) を提案する。 我々の主な貢献は、事前に観測されたポーズと次の予測されたポーズの間に連続性を持つように、入力と開始ブロックの出力の間の残差接続を提案することである。 提案したアーキテクチャでは、人間のポーズに関する事前知識をよりよく学習し、論文で詳述したよりはるかに高い予測精度を達成する。
  論文  参考訳（メタデータ） (2021-08-09T12:49:48Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
  視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。 本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。 歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
  論文  参考訳（メタデータ） (2020-02-20T18:50:44Z)
• TPPO: A Novel Trajectory Predictor with Pseudo Oracle [16.0481815047447]
  Trajectory Predictor with Pseudo Oracle (TPPO) は、生成モデルに基づく軌道予測器である。 この相関は、歩行者の将来の軌跡が前方の歩行者に影響されることがしばしばあるという事実に着想を得たものである。 TPPOは、平均値と最終変位誤差が低い最先端の手法より優れている。
  論文  参考訳（メタデータ） (2020-02-04T03:28:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。