論文の概要: Quantifying the Complexity of Standard Benchmarking Datasets for Long-Term Human Trajectory Prediction

• arxiv url: http://arxiv.org/abs/2005.13934v4
• Date: Thu, 20 May 2021 08:17:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-27 04:44:37.760825
• Title: Quantifying the Complexity of Standard Benchmarking Datasets for Long-Term Human Trajectory Prediction
• Title（参考訳）: 長期ヒト軌道予測のための標準ベンチマークデータセットの複雑さの定量化
• Authors: Ronny Hug, Stefan Becker, Wolfgang H\"ubner, Michael Arens
• Abstract要約: 本稿では,プロトタイプベースのデータセット表現から,データセットに含まれる情報量を定量化する手法を提案する。 複数の人の軌道予測ベンチマークデータセット上で,大規模複雑度解析を行う。
• 参考スコア（独自算出の注目度）: 8.870188183999852
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Methods to quantify the complexity of trajectory datasets are still a missing piece in benchmarking human trajectory prediction models. In order to gain a better understanding of the complexity of trajectory prediction tasks and following the intuition, that more complex datasets contain more information, an approach for quantifying the amount of information contained in a dataset from a prototype-based dataset representation is proposed. The dataset representation is obtained by first employing a non-trivial spatial sequence alignment, which enables a subsequent learning vector quantization (LVQ) stage. A large-scale complexity analysis is conducted on several human trajectory prediction benchmarking datasets, followed by a brief discussion on indications for human trajectory prediction and benchmarking.
• Abstract（参考訳）: 軌道データセットの複雑さを定量化する方法は、まだ人間の軌道予測モデルのベンチマークにおいて欠落している部分である。 軌道予測タスクの複雑さをより理解し、直感に従うために、より複雑なデータセットにより多くの情報が含まれるようにするため、プロトタイプベースのデータセット表現からデータセットに含まれる情報量を定量化する手法を提案する。 データセット表現は、まず、後続の学習ベクトル量子化(LVQ)ステージを可能にする非自明な空間配列アライメントを用いて得られる。 大規模複雑度解析は、人間の軌道予測ベンチマークデータセット上で実施され、続いて、人間の軌道予測とベンチマークの指標に関する簡単な議論が行われる。

関連論文リスト

• DACO: Towards Application-Driven and Comprehensive Data Analysis via Code Generation [83.30006900263744]
  データ分析は、詳細な研究と決定的な洞察を生み出すための重要な分析プロセスである。 LLMのコード生成機能を活用した高品質な応答アノテーションの自動生成を提案する。 我々のDACO-RLアルゴリズムは、57.72%のケースにおいて、SFTモデルよりも有用な回答を生成するために、人間のアノテータによって評価される。
  論文  参考訳（メタデータ） (2024-03-04T22:47:58Z)
• Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
  自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。 提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。 提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-01-12T22:51:48Z)
• Pre-training on Synthetic Driving Data for Trajectory Prediction [61.520225216107306]
  軌道予測におけるデータ不足の問題を緩和するパイプラインレベルのソリューションを提案する。 我々は、駆動データを生成するためにHDマップ拡張とトラジェクトリ合成を採用し、それらを事前学習することで表現を学習する。 我々は、データ拡張と事前学習戦略の有効性を実証するための広範な実験を行う。
  論文  参考訳（メタデータ） (2023-09-18T19:49:22Z)
• Dataset Complexity Assessment Based on Cumulative Maximum Scaled Area Under Laplacian Spectrum [38.65823547986758]
  DCNNモデルをトレーニングする前にデータセットの複雑さを効果的に評価することで分類性能を予測することが重要である。 本稿では,ラプラシアンスペクトル(cmsAULS)の下での累積最大スケール領域という新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-09-29T13:02:04Z)
• MEAT: Maneuver Extraction from Agent Trajectories [9.919575841909962]
  本稿では,大規模データセットにおけるエージェントトラジェクトリからの操作を抽出する自動手法を提案する。 分類ネットワークのトレーニングには,結果の操作を使用できるが,広い軌跡データセット解析には,例を挙げる。
  論文  参考訳（メタデータ） (2022-06-10T14:56:32Z)
• Representation Learning for Sequence Data with Deep Autoencoding Predictive Components [96.42805872177067]
  本稿では,シーケンスデータの有用な表現が潜在空間における単純な構造を示すべきという直感に基づく,シーケンスデータの自己教師型表現学習法を提案する。 我々は,過去と将来のウィンドウ間の相互情報である潜在特徴系列の予測情報を最大化することにより,この潜時構造を奨励する。 提案手法は,ノイズの多い動的システムの潜時空間を復元し,タスク予測のための予測特徴を抽出し,エンコーダを大量の未ラベルデータで事前訓練する場合に音声認識を改善する。
  論文  参考訳（メタデータ） (2020-10-07T03:34:01Z)
• OpenTraj: Assessing Prediction Complexity in Human Trajectories Datasets [5.219568203653524]
  HTP(Human Trajectory Prediction)はここ数年で大きな勢いを増し、それを解決するために多くの解決策が提案されている。 本稿では,予測問題に関して,与えられたデータセットがどの程度複雑であるかを評価する問題に対処する。 データセットの複雑さを評価するために、軌道予測可能性、軌道規則性、コンテキスト複雑性という3つの概念に関する一連の指標を定義します。
  論文  参考訳（メタデータ） (2020-10-02T09:37:18Z)
• Evaluating representations by the complexity of learning low-loss predictors [55.94170724668857]
  下流タスクの解決に使用されるデータの表現を評価することの問題点を考察する。 本稿では,関心のあるタスクにおける低損失を実現する表現の上に,予測器を学習する複雑性によって表現の質を測定することを提案する。
  論文  参考訳（メタデータ） (2020-09-15T22:06:58Z)
• A Short Note on Analyzing Sequence Complexity in Trajectory Prediction Benchmarks [8.870188183999852]
  データセット表現を識別可能なサブシーケンスの小さなセットの観点から決定する手法を提案する。 合成された実世界のデータセットに関する最初の概念実証は、このアプローチの生存可能性を示している。
  論文  参考訳（メタデータ） (2020-03-27T11:44:11Z)
• CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
  我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。 複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。 探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
  論文  参考訳（メタデータ） (2020-01-08T17:37:01Z)
• Adaptive Discrete Smoothing for High-Dimensional and Nonlinear Panel Data [4.550919471480445]
  我々は高次元および非線形パネルデータモデルのためのデータ駆動平滑化手法を開発した。 重みはデータ駆動方式で決定され、対応する関数間の類似性に依存する。 我々は,推定器を用いて予測を大幅に改善できることを示すシミュレーション研究を行った。
  論文  参考訳（メタデータ） (2019-12-30T09:50:58Z)

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。