論文の概要: OpenTraj: Assessing Prediction Complexity in Human Trajectories Datasets
- arxiv url: http://arxiv.org/abs/2010.00890v2
- Date: Mon, 2 Nov 2020 21:24:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-12 01:41:33.662012
- Title: OpenTraj: Assessing Prediction Complexity in Human Trajectories Datasets
- Title（参考訳）: OpenTraj: データセットの予測複雑性を評価する
- Authors: Javad Amirian, Bingqing Zhang, Francisco Valente Castro, Juan Jose
Baldelomar, Jean-Bernard Hayet and Julien Pettre
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.219568203653524
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Human Trajectory Prediction (HTP) has gained much momentum in the last years
and many solutions have been proposed to solve it. Proper benchmarking being a
key issue for comparing methods, this paper addresses the question of
evaluating how complex is a given dataset with respect to the prediction
problem. For assessing a dataset complexity, we define a series of indicators
around three concepts: Trajectory predictability; Trajectory regularity;
Context complexity. We compare the most common datasets used in HTP in the
light of these indicators and discuss what this may imply on benchmarking of
HTP algorithms. Our source code is released on Github.
- Abstract（参考訳）: HTP(Human Trajectory Prediction)はここ数年で勢いを増し、それを解決するために多くの解決策が提案されている。
提案論文は,提案手法の比較において重要な課題であり,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、私たちは3つの概念に関する一連の指標を定義します。
これらの指標に照らして、htpで使用される最も一般的なデータセットを比較し、htpアルゴリズムのベンチマークについて論じる。
ソースコードはgithubからリリースしています。
関連論文リスト
- Regularization-Based Methods for Ordinal Quantification [49.606912965922504]
順序の場合、すなわち n>2 クラスの集合上で全順序が定義される場合について研究する。
本稿では,従来のアルゴリズムよりも優れた正規化OQアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-13T16:04:06Z) - A Gold Standard Dataset for the Reviewer Assignment Problem [117.59690218507565]
類似度スコア(Similarity score)とは、論文のレビューにおいて、レビュアーの専門知識を数値で見積もるものである。
私たちのデータセットは、58人の研究者による477の自己申告された専門知識スコアで構成されています。
2つの論文をレビュアーに関連付けるタスクは、簡単なケースでは12%～30%、ハードケースでは36%～43%である。
論文 参考訳（メタデータ） (2023-03-23T16:15:03Z) - Local Evaluation of Time Series Anomaly Detection Algorithms [9.717823994163277]
本稿では,弱い仮定下でのほとんどすべてのデータセットに対して,逆アルゴリズムが高精度に到達し,リコール可能であることを示す。
本稿では,精度/リコール指標に対する理論的基盤,頑健,パラメータフリー,解釈可能な拡張を提案する。
論文 参考訳（メタデータ） (2022-06-27T10:18:41Z) - Deep Probabilistic Graph Matching [72.6690550634166]
本稿では,マッチング制約を伴わずに,元のQAPに適合する深層学習ベースのグラフマッチングフレームワークを提案する。
提案手法は,一般的な3つのベンチマーク(Pascal VOC,Wilow Object,SPair-71k)で評価され,すべてのベンチマークにおいて過去の最先端よりも優れていた。
論文 参考訳（メタデータ） (2022-01-05T13:37:27Z) - Are Missing Links Predictable? An Inferential Benchmark for Knowledge
Graph Completion [79.07695173192472]
InferWikiは推論能力、仮定、パターンの既存のベンチマークを改善している。
各テストサンプルは、トレーニングセットの支持データで予測可能である。
実験では,大きさや構造が異なるInferWikiの2つの設定をキュレートし,比較データセットとしてCoDExに構築プロセスを適用する。
論文 参考訳（メタデータ） (2021-08-03T09:51:15Z) - Comparative Analysis of Extreme Verification Latency Learning Algorithms [3.3439097577935213]
本稿では、EVLアルゴリズムのいくつかの弱点と強みを指摘するための総合的な調査と比較分析を行う。
この研究は、この分野の既存のアルゴリズムのレビューを研究コミュニティに提供するための、非常に最初の取り組みである。
論文 参考訳（メタデータ） (2020-11-26T16:34:56Z) - Quantifying the Complexity of Standard Benchmarking Datasets for
Long-Term Human Trajectory Prediction [8.870188183999852]
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。
論文 参考訳（メタデータ） (2020-05-28T12:00:41Z) - JHU-CROWD++: Large-Scale Crowd Counting Dataset and A Benchmark Method [92.15895515035795]
我々は、"4,372"イメージと"1.51万"アノテーションを含む、新しい大規模非制約クラウドカウントデータセット(JHU-CROWD++)を導入する。
本稿では, 残差誤差推定により, 群集密度マップを段階的に生成する新しい群集カウントネットワークを提案する。
論文 参考訳（メタデータ） (2020-04-07T14:59:35Z) - Ambiguity in Sequential Data: Predicting Uncertain Futures with
Recurrent Models [110.82452096672182]
逐次データによる曖昧な予測を扱うために,Multiple hypothesis Prediction(MHP)モデルの拡張を提案する。
また、不確実性を考慮するのに適した曖昧な問題に対する新しい尺度も導入する。
論文 参考訳（メタデータ） (2020-03-10T09:15:42Z) - Nonlinear Traffic Prediction as a Matrix Completion Problem with
Ensemble Learning [1.8352113484137629]
本稿では,信号化トラフィック運用管理における短期的な交通予測の問題に対処する。
高分解能(秒間)におけるセンサ状態の予測に焦点をあてる
私たちのコントリビューションは,3つの洞察を提供するものとして要約することができます。
論文 参考訳（メタデータ） (2020-01-08T13:10:40Z)
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。