論文の概要: Recursive Social Behavior Graph for Trajectory Prediction
- arxiv url: http://arxiv.org/abs/2004.10402v1
- Date: Wed, 22 Apr 2020 06:01:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-10 18:22:36.625504
- Title: Recursive Social Behavior Graph for Trajectory Prediction
- Title（参考訳）: 軌道予測のための再帰的社会行動グラフ
- Authors: Jianhua Sun, Qinhong Jiang, Cewu Lu
- Abstract要約: 我々は、グループベースのアノテーションによって管理される社会表現を、再帰的社会行動グラフと呼ばれる社会行動グラフに定式化する。
再帰的社会行動グラフ(Recursive Social Behavior Graph)のガイダンスにより、EDHおよびUCYデータセットにおける最先端の手法をADEの11.1%、FDEの10.8%で上回る。
- 参考スコア（独自算出の注目度）: 49.005219590582676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social interaction is an important topic in human trajectory prediction to
generate plausible paths. In this paper, we present a novel insight of
group-based social interaction model to explore relationships among
pedestrians. We recursively extract social representations supervised by
group-based annotations and formulate them into a social behavior graph, called
Recursive Social Behavior Graph. Our recursive mechanism explores the
representation power largely. Graph Convolutional Neural Network then is used
to propagate social interaction information in such a graph. With the guidance
of Recursive Social Behavior Graph, we surpass state-of-the-art method on ETH
and UCY dataset for 11.1% in ADE and 10.8% in FDE in average, and successfully
predict complex social behaviors.
- Abstract（参考訳）: 社会的相互作用は、可塑性経路を生成するための人間の軌道予測において重要なトピックである。
本稿では,歩行者間の関係を探究するグループ型ソーシャルインタラクションモデルの新たな知見を提案する。
グループベースのアノテーションによって管理される社会的表現を再帰的に抽出し、それを再帰的社会行動グラフと呼ばれる社会行動グラフに定式化する。
我々の再帰的なメカニズムは表現力を大きく探求する。
グラフ畳み込みニューラルネットワークは、そのようなグラフで社会的相互作用情報を伝達するために使用される。
再帰的社会行動グラフの指導により、eth と ucy データセットの最先端の手法を ade では11.1%、fde では10.8% で上回り、複雑な社会行動の予測に成功している。
関連論文リスト
- Geometric Graph Neural Network Modeling of Human Interactions in Crowded Environments [3.7752830020595787]
本稿では,歩行者のインタラクションをモデル化し,将来の軌跡を予測するために,心理学的な研究からドメイン知識を統合した幾何学的グラフニューラルネットワークアーキテクチャを提案する。
複数のデータセットにまたがる評価では、平均値と最終変位誤差のメトリクスを減らして予測精度が向上した。
論文 参考訳（メタデータ） (2024-10-22T20:33:10Z) - From a Social Cognitive Perspective: Context-aware Visual Social Relationship Recognition [59.57095498284501]
我々は,textbfContextual textbfSocial textbfRelationships (textbfConSoR) を社会的認知の観点から認識する新しいアプローチを提案する。
画像ごとの社会的関係を考慮した社会認識記述言語プロンプトを構築した。
印象的なことに、ConSoRは従来の手法を上回り、Person-in-Social-Context(PISC)データセットでは12.2%、Person-in-Photo-Album(PIPA)ベンチマークでは9.8%向上している。
論文 参考訳（メタデータ） (2024-06-12T16:02:28Z) - Graph Neural Networks for Antisocial Behavior Detection on Twitter [0.0]
反社会的行動のソーシャルメディアの復活は、ステレオタイプ的信念や個人や社会グループに対する憎悪的なコメントに下向きのスパイラルをもたらした。
大量のグラフ構造化データに使用されるグラフニューラルネットワークの進歩は、ソーシャルメディアプラットフォームにおけるコミュニケーションのメディア化の将来への期待を高めている。
グラフ畳み込みデータに基づくアプローチを用いて、異種データ間の依存関係をよりよく把握した。
論文 参考訳（メタデータ） (2023-12-28T00:25:12Z) - SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian
Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。
SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。
公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文 参考訳（メタデータ） (2021-12-05T01:49:18Z) - Social Processes: Self-Supervised Forecasting of Nonverbal Cues in
Social Conversations [22.302509912465077]
我々は、社会的人間関係の分野におけるボトムアップな自己監督的アプローチの方向への第一歩を踏み出す。
ソーシャルキュー予測のタスクを定式化し、ラベルなしの低レベル行動キューを多量に活用する。
本稿では,ニューラル・プロセス(NP)ファミリー内における社会的に認識されるシーケンス・ツー・シーケンス(Seq2Seq)モデルを提案する。
論文 参考訳（メタデータ） (2021-07-28T18:01:08Z) - SocAoG: Incremental Graph Parsing for Social Relation Inference in
Dialogues [112.94918467195637]
対話から社会的関係を推定することは、感情的に知的なロボットを構築するのに不可欠である。
我々は、グループ間の関係の整合性のために、SocAoGという名前のAnd-or Graphとしてソーシャルネットワークをモデル化する。
DialogRE と MovieGraph の実証実験結果から,我々のモデルは最先端の手法よりも社会的関係を正確に推定できることがわかった。
論文 参考訳（メタデータ） (2021-06-02T08:07:42Z) - PHASE: PHysically-grounded Abstract Social Events for Machine Social
Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。
フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。
ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文 参考訳（メタデータ） (2021-03-02T18:44:57Z) - Graph-Based Social Relation Reasoning [101.9402771161935]
社会関係認識のためのグラフ関係推論ネットワーク(GR2N)を提案する。
本手法は,社会関係グラフの構築による連関関係推定のパラダイムを考察する。
実験結果から,本手法は合理的で一貫した社会関係グラフを生成することが示された。
論文 参考訳（メタデータ） (2020-07-15T03:01:11Z) - Social-STGCNN: A Social Spatio-Temporal Graph Convolutional Neural
Network for Human Trajectory Prediction [26.28051910420762]
Social Spatio-Temporal Graph Convolutional Neural Network (Social-STGCNN)は、歩行者のインタラクションをグラフとしてモデル化する。
その結果,FDE(Final Displacement Error)では20%向上し,ADE(Average Displacement Error)では最大48倍高速な推論速度が得られた。
本稿では,歩行者間の社会的相互作用を隣接行列内に埋め込むカーネル関数を提案する。
論文 参考訳（メタデータ） (2020-02-27T05:40:23Z)
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。