論文の概要: Group Activity Prediction with Sequential Relational Anticipation Model

• arxiv url: http://arxiv.org/abs/2008.02441v1
• Date: Thu, 6 Aug 2020 03:17:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 07:11:09.673523
• Title: Group Activity Prediction with Sequential Relational Anticipation Model
• Title（参考訳）: 逐次関係予測モデルを用いたグループ活動予測
• Authors: Junwen Chen, Wentao Bao, Yu Kong
• Abstract要約: 不完全な活動実行を伴う初期フレームからグループアクティビティを予測する新しい手法を提案する。 グループ活動予測では,人々の活動と時間的位置との関係は,グループ活動を予測する上で重要な手がかりとなる。 本モデルは,グループ活動予測のための識別的グループ表現を学習することを目的として,2つのグラフオートエンコーダによる活動特徴と位置の両方を明示的に予測する。
• 参考スコア（独自算出の注目度）: 28.225918711577314
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a novel approach to predict group activities given the beginning frames with incomplete activity executions. Existing action prediction approaches learn to enhance the representation power of the partial observation. However, for group activity prediction, the relation evolution of people's activity and their positions over time is an important cue for predicting group activity. To this end, we propose a sequential relational anticipation model (SRAM) that summarizes the relational dynamics in the partial observation and progressively anticipates the group representations with rich discriminative information. Our model explicitly anticipates both activity features and positions by two graph auto-encoders, aiming to learn a discriminative group representation for group activity prediction. Experimental results on two popularly used datasets demonstrate that our approach significantly outperforms the state-of-the-art activity prediction methods.
• Abstract（参考訳）: 本稿では,不完全な活動実行を伴う初期フレームからグループ活動を予測する新しい手法を提案する。 既存の行動予測手法は、部分的観測の表現力を高めることを学ぶ。 しかし,集団活動予測においては,人々の活動と時間的位置との関係は,グループ活動の予測に重要な手がかりとなる。 そこで本研究では,部分的観測における関係のダイナミクスを要約し,リッチな識別情報を持つ群表現を漸進的に予測する逐次関係予測モデル(sram)を提案する。 本モデルでは,2つのグラフ自動エンコーダによる行動特徴と位置の両方を明示的に予測し,グループ活動予測のための識別的グループ表現を学習する。 一般的な2つのデータセットにおける実験結果から,本手法が最先端のアクティビティ予測手法を著しく上回っていることが判明した。

関連論文リスト

• Activity Grammars for Temporal Action Segmentation [71.03141719666972]
  時間的アクションセグメンテーションは、トリミングされていないアクティビティビデオを一連のアクションセグメンテーションに変換することを目的としている。 本稿では,時間的行動セグメンテーションのための神経予測を導くための効果的な活動文法を提案する。 実験の結果,提案手法は時間的動作のセグメンテーションを性能と解釈性の両方の観点から著しく改善することが示された。
  論文  参考訳（メタデータ） (2023-12-07T12:45:33Z)
• Towards Out-of-Distribution Sequential Event Prediction: A Causal Treatment [72.50906475214457]
  シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。 実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。 文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-24T07:54:13Z)
• ProspectNet: Weighted Conditional Attention for Future Interaction Modeling in Behavior Prediction [5.520507323174275]
  本稿では,車両行動の連立学習と連立学習の逐次学習過程として,エンドツーエンドの連立予測問題を定式化する。 本稿では,対話型エージェントペア間の相互影響をモデル化するために,重み付けされた注目スコアを用いた共同学習ブロックであるProspectNetを提案する。 ProspectNetは2つの限界予測のCartesian製品よりも優れており、Interactive Motion Predictionベンチマークで同等のパフォーマンスを達成している。
  論文  参考訳（メタデータ） (2022-08-29T19:29:49Z)
• Dynamic-Group-Aware Networks for Multi-Agent Trajectory Prediction with Relational Reasoning [29.294244001911242]
  動的グループ認識ネットワークDynGroupNetを提案する。 DynGroupNetをベースとして,動的リレーショナル推論を用いて社会的に妥当な軌道を予測するための予測システムを設計する。
  論文  参考訳（メタデータ） (2022-06-27T08:36:56Z)
• Conversation Group Detection With Spatio-Temporal Context [11.288403109735544]
  本稿では,カクテルパーティーやネットワークイベントなどの社会的シナリオにおける会話グループ検出手法を提案する。 環境の空間的文脈を活用することの恩恵を受けることができる学習問題として,会話グループの検出を仮定する。 これはLSTMに基づく動的深層学習モデルから成り、連続的なペアワイド親和性値を予測するアプローチである。
  論文  参考訳（メタデータ） (2022-06-02T08:05:02Z)
• GroupNet: Multiscale Hypergraph Neural Networks for Trajectory Prediction with Relational Reasoning [37.64048110462638]
  GroupNetは、ペアワイドとグループワイドの両方のインタラクションをキャプチャする、マルチスケールのハイパーグラフニューラルネットワークである。 CVAEに基づく予測システムと従来の最先端予測システムの両方にGroupNetを適用した。 CVAEに基づく予測システムであるGroupNetは,最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-19T09:36:20Z)
• Self-Regulated Learning for Egocentric Video Activity Anticipation [147.9783215348252]
  自己制御学習(SRL)は、中間表現を連続的に制御し、現在のタイムスタンプのフレームにおける新しい情報を強調する表現を作り出すことを目的としている。 SRLは2つのエゴセントリックなビデオデータセットと2つの第三者のビデオデータセットにおいて、既存の最先端技術よりも大幅に優れています。
  論文  参考訳（メタデータ） (2021-11-23T03:29:18Z)
• Long-Term Anticipation of Activities with Cycle Consistency [90.79357258104417]
  本稿では,観察されたフレームの特徴から直接将来の活動を予測し,エンドツーエンドで学習するフレームワークを提案する。 我々のフレームワークは、Breakfastデータセットと50Saladsという2つのデータセットで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2020-09-02T15:41:32Z)
• Learning to Abstract and Predict Human Actions [60.85905430007731]
  ビデオにおける人間の活動の階層構造をモデル化し,行動予測におけるそのような構造の効果を実証する。 イベントの部分的階層を観察し、その構造を複数の抽象化レベルで将来の予測にロールアウトすることで、人間の活動の構造を学習できる階層型ニューラルネットワークであるHierarchical-Refresher-Anticipatorを提案する。
  論文  参考訳（メタデータ） (2020-08-20T23:57:58Z)
• Predicting Temporal Sets with Deep Neural Networks [50.53727580527024]
  本稿では,時間集合予測のためのディープニューラルネットワークに基づく統合解を提案する。 ユニークな視点は、セットレベルの共起グラフを構築することで要素関係を学ぶことである。 我々は,要素や集合の時間依存性を適応的に学習するアテンションベースのモジュールを設計する。
  論文  参考訳（メタデータ） (2020-06-20T03:29:02Z)

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。