論文の概要: Scene Gated Social Graph: Pedestrian Trajectory Prediction Based on Dynamic Social Graphs and Scene Constraints

• arxiv url: http://arxiv.org/abs/2010.05507v1
• Date: Mon, 12 Oct 2020 08:04:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 07:16:40.511609
• Title: Scene Gated Social Graph: Pedestrian Trajectory Prediction Based on Dynamic Social Graphs and Scene Constraints
• Title（参考訳）: シーンゲート型ソーシャルグラフ:動的ソーシャルグラフとシーン制約に基づく歩行者追跡予測
• Authors: Hao Xue, Du Q.Huynh, Mark Reynolds
• Abstract要約: SGSG(Scene Gated Social Graph)という新しい軌道予測手法を提案する。 提案したSGSGでは、歩行者間の社会的関係を記述するために動的グラフが使用される。 我々は,SGSGを20種類の歩行者軌道予測手法と比較し,提案手法が優れた性能を発揮することを示す。
• 参考スコア（独自算出の注目度）: 17.042179951736262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pedestrian trajectory prediction is valuable for understanding human motion behaviors and it is challenging because of the social influence from other pedestrians, the scene constraints and the multimodal possibilities of predicted trajectories. Most existing methods only focus on two of the above three key elements. In order to jointly consider all these elements, we propose a novel trajectory prediction method named Scene Gated Social Graph (SGSG). In the proposed SGSG, dynamic graphs are used to describe the social relationship among pedestrians. The social and scene influences are taken into account through the scene gated social graph features which combine the encoded social graph features and semantic scene features. In addition, a VAE module is incorporated to learn the scene gated social feature and sample latent variables for generating multiple trajectories that are socially and environmentally acceptable. We compare our SGSG against twenty state-of-the-art pedestrian trajectory prediction methods and the results show that the proposed method achieves superior performance on two widely used trajectory prediction benchmarks.
• Abstract（参考訳）: 歩行者の軌跡予測は人間の行動の理解に有用であり、他の歩行者からの社会的影響、シーンの制約、予測される軌道の多様化の可能性から困難である。 既存の手法のほとんどは、上記の3つの主要な要素のうち2つだけに焦点を当てている。 これらすべての要素を共同で検討するために,Scene Gated Social Graph (SGSG) という新しい軌道予測手法を提案する。 提案したSGSGでは,歩行者間の社会的関係を記述するために動的グラフを用いた。 ソーシャルグラフの特徴は、エンコードされたソーシャルグラフの特徴とセマンティックなシーンの特徴を組み合わせたシーンゲートされたソーシャルグラフの特徴を通して考慮される。 さらに、VAEモジュールが組み込まれ、社会的かつ環境的に許容される複数の軌跡を生成するために、シーンゲートされた社会的特徴と潜伏変数のサンプルを学習する。 提案手法と最新の歩行者軌跡予測法との比較を行い,提案手法が2つの軌道予測ベンチマークにおいて優れた性能が得られることを示す。

関連論文リスト

• From Cognition to Precognition: A Future-Aware Framework for Social Navigation [1.9094009409000596]
  本稿では,社会的に認識されたナビゲーションに取り組むための強化学習アーキテクチャであるFalconを提案する。 我々はSocial-HM3DとSocial-MP3Dという2つの新しいデータセットを含むSocialNavベンチマークを導入する。 我々は、最先端の学習法と古典的なルールベースの経路計画アルゴリズムを用いて、詳細な実験分析を行う。
  論文  参考訳（メタデータ） (2024-09-20T06:08:24Z)
• Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
  Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。 提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
  論文  参考訳（メタデータ） (2023-12-26T18:56:49Z)
• Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
  本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。 我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。 ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T07:49:48Z)
• 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)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• Graph-SIM: A Graph-based Spatiotemporal Interaction Modelling for Pedestrian Action Prediction [10.580548257913843]
  本稿では,歩行者の横断行動を予測するための新しいグラフベースモデルを提案する。 既存のnuScenesデータセットに対して、3Dバウンディングボックスと歩行者行動アノテーションを提供する新しいデータセットを紹介します。 提案手法は,既存の手法と比較して,様々な指標を15%以上改善し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-12-03T18:28:27Z)
• Graph2Kernel Grid-LSTM: A Multi-Cued Model for Pedestrian Trajectory Prediction by Learning Adaptive Neighborhoods [10.57164270098353]
  本稿では,歩行者地区がデザインに適応しうることを提案することによって,インタラクションモデリングの新しい視点を示す。 我々のモデルは、いくつかの公開テストされた監視ビデオに類似した特徴を照合する最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2020-07-03T19:05:48Z)
• CoMoGCN: Coherent Motion Aware Trajectory Prediction with Graph Representation [12.580809204729583]
  グループ制約のある混雑したシーンにおける軌道予測のための,コヒーレントな動き認識グラフ畳み込みネットワーク(CoMoGCN)を提案する。 提案手法は,複数のトラジェクトリ予測ベンチマーク上での最先端性能と,検討したすべてのベンチマークの中で最高の平均性能を実現する。
  論文  参考訳（メタデータ） (2020-05-02T09:10:30Z)
• Recursive Social Behavior Graph for Trajectory Prediction [49.005219590582676]
  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。
  論文  参考訳（メタデータ） (2020-04-22T06:01:48Z)
• Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
  視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。 本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。 歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
  論文  参考訳（メタデータ） (2020-02-20T18:50:44Z)

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。