論文の概要: Informative Scene Decomposition for Crowd Analysis, Comparison and
Simulation Guidance
- arxiv url: http://arxiv.org/abs/2004.14107v1
- Date: Wed, 29 Apr 2020 12:03:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 13:25:53.317354
- Title: Informative Scene Decomposition for Crowd Analysis, Comparison and
Simulation Guidance
- Title(参考訳): 群衆分析・比較・シミュレーション指導のための情報的シーン分解
- Authors: Feixiang He, Yuanhang Xiang, Xi Zhao, He Wang
- Abstract要約: 群衆シミュレーションは、グラフィックを含むいくつかの分野において中心的なトピックである。
クラウドデータの急増に伴い、このようなボトルネックに対処する必要がある。
この問題に包括的に対処する新しい枠組みを提案する。
- 参考スコア(独自算出の注目度): 10.000622844914272
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Crowd simulation is a central topic in several fields including graphics. To
achieve high-fidelity simulations, data has been increasingly relied upon for
analysis and simulation guidance. However, the information in real-world data
is often noisy, mixed and unstructured, making it difficult for effective
analysis, therefore has not been fully utilized. With the fast-growing volume
of crowd data, such a bottleneck needs to be addressed. In this paper, we
propose a new framework which comprehensively tackles this problem. It centers
at an unsupervised method for analysis. The method takes as input raw and noisy
data with highly mixed multi-dimensional (space, time and dynamics)
information, and automatically structure it by learning the correlations among
these dimensions. The dimensions together with their correlations fully
describe the scene semantics which consists of recurring activity patterns in a
scene, manifested as space flows with temporal and dynamics profiles. The
effectiveness and robustness of the analysis have been tested on datasets with
great variations in volume, duration, environment and crowd dynamics. Based on
the analysis, new methods for data visualization, simulation evaluation and
simulation guidance are also proposed. Together, our framework establishes a
highly automated pipeline from raw data to crowd analysis, comparison and
simulation guidance. Extensive experiments and evaluations have been conducted
to show the flexibility, versatility and intuitiveness of our framework.
- Abstract(参考訳): 群衆シミュレーションはグラフィックを含むいくつかの分野において中心的なトピックである。
高忠実度シミュレーションを実現するため、分析やシミュレーションガイダンスにデータが頼りになってきた。
しかし、実世界のデータはノイズが多く、混在し、構造化されていないため、効果的な分析が難しいため、十分に活用されていない。
クラウドデータの急増に伴い、このようなボトルネックに対処する必要がある。
本稿では,この問題を包括的に解決する新しい枠組みを提案する。
管理されていない分析方法に集中する。
本手法は,多次元情報(空間,時間,ダイナミクス)を高度に混合した入力生・雑音データとして,これらの次元間の相関関係を学習して自動的に構成する。
これらの次元とそれらの相関関係は、時間的および動的プロファイルを持つ空間の流れとして表されるシーン内の活動パターンからなるシーンセマンティクスを完全に記述している。
分析の有効性とロバスト性は、ボリューム、持続時間、環境、群集のダイナミクスに大きな変化があるデータセットで検証されている。
また,データ可視化,シミュレーション評価,シミュレーション指導のための新しい手法を提案する。
このフレームワークは,生データからクラウド分析,比較,シミュレーションガイダンスに至るまで,高度に自動化されたパイプラインを構築する。
フレームワークの柔軟性,汎用性,直感性を示すために,広範な実験と評価が行われてきた。
関連論文リスト
- Stochastic Amortization: A Unified Approach to Accelerate Feature and Data Attribution [62.71425232332837]
雑音ラベル付きモデルを用いたトレーニングは安価で驚くほど効果的であることを示す。
このアプローチは、いくつかの特徴属性とデータ評価手法を著しく加速し、しばしば既存のアプローチよりも桁違いにスピードアップする。
論文 参考訳(メタデータ) (2024-01-29T03:42:37Z) - TimeGraphs: Graph-based Temporal Reasoning [64.18083371645956]
TimeGraphsは階層的時間グラフとして動的相互作用を特徴付ける新しいアプローチである。
提案手法は,コンパクトなグラフベース表現を用いて相互作用をモデル化し,多種多様な時間スケールでの適応推論を可能にする。
我々は,サッカーシミュレータ,抵抗ゲーム,MOMA人間活動データセットなど,複雑でダイナミックなエージェントインタラクションを持つ複数のデータセット上でTimeGraphsを評価する。
論文 参考訳(メタデータ) (2024-01-06T06:26:49Z) - A Unified Simulation Framework for Visual and Behavioral Fidelity in
Crowd Analysis [6.460475042590685]
We present a human crowd simulator, called UniCrowd, and its associated validation pipeline。
本稿では,コンピュータビジョンタスク,特に検出とセグメンテーションに適したアノテートデータを生成する方法と,クラウドカウント,人間のポーズ推定,軌道解析と予測,異常検出などの関連アプリケーションについて述べる。
論文 参考訳(メタデータ) (2023-12-05T09:43:27Z) - Dynamic Spatio-Temporal Summarization using Information Based Fusion [3.038642416291856]
本稿では,重要な時間経過における情報的特徴を識別し,少ない情報的特徴を融合する動的時間的データ要約手法を提案する。
既存の手法とは異なり,本手法は生と要約の両方のタイムステップを保持し,時間とともに情報の変化を包括的に把握する。
我々は,粒子ベースのフローシミュレーション,セキュリティと監視の応用,免疫システム内の生体細胞間相互作用など,多様なデータセットにまたがる手法の汎用性を実証した。
論文 参考訳(メタデータ) (2023-10-02T20:21:43Z) - Eagle: Large-Scale Learning of Turbulent Fluid Dynamics with Mesh
Transformers [23.589419066824306]
流体力学を推定することは、解決するのが非常に難しい。
問題に対する新しいモデル,メソッド,ベンチマークを導入する。
我々の変換器は、既存の合成データセットと実際のデータセットの両方において、最先端のパフォーマンスより優れていることを示す。
論文 参考訳(メタデータ) (2023-02-16T12:59:08Z) - Dynamic Latent Separation for Deep Learning [67.62190501599176]
機械学習の中核的な問題は、複雑なデータに対するモデル予測のための表現力のある潜在変数を学習することである。
本稿では,表現性を向上し,部分的解釈を提供し,特定のアプリケーションに限定されないアプローチを開発する。
論文 参考訳(メタデータ) (2022-10-07T17:56:53Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳(メタデータ) (2022-08-16T20:46:08Z) - SynopSet: Multiscale Visual Abstraction Set for Explanatory Analysis of
DNA Nanotechnology Simulations [60.05887213349294]
DNAナノテクノロジー領域における分子動力学シミュレーション(MDS)の説明的解析のための視覚表現の連続性を持つ新しい抽象集合(SynopSet)を提案する。
この集合はまた、すべての空間的および時間的詳細と全ての構造的複雑さを示すことができるように設計されている。
我々の表現の集合は、SynopSpaceと呼ばれる可視化空間に体系的に配置できることを示してきた。
論文 参考訳(メタデータ) (2022-04-18T06:53:52Z) - Towards Scale Consistent Monocular Visual Odometry by Learning from the
Virtual World [83.36195426897768]
仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。
まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。
結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
論文 参考訳(メタデータ) (2022-03-11T01:51:54Z) - A Procedural World Generation Framework for Systematic Evaluation of
Continual Learning [2.599882743586164]
都会のシーンのフラグメントのみを描画するコンピュータグラフィックスシミュレーションフレームワークを提案する。
中心となるのは、適応可能な生成因子を持つモジュラーパラメトリック生成モデルである。
論文 参考訳(メタデータ) (2021-06-04T16:31:43Z)
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。