論文の概要: Pedestrian Intention Prediction: A Multi-task Perspective

• arxiv url: http://arxiv.org/abs/2010.10270v2
• Date: Thu, 20 May 2021 11:14:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 07:13:04.918772
• Title: Pedestrian Intention Prediction: A Multi-task Perspective
• Title（参考訳）: 歩行者意図予測 : マルチタスクの視点から
• Authors: Smail Ait Bouhsain, Saeed Saadatnejad and Alexandre Alahi
• Abstract要約: グローバルに展開するためには、自動運転車は歩行者の安全を保証する必要がある。 本研究は歩行者の意図と視覚状態を共同で予測することでこの問題を解決しようとするものである。 この方法はマルチタスク学習アプローチにおけるリカレントニューラルネットワークである。
• 参考スコア（独自算出の注目度）: 83.7135926821794
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In order to be globally deployed, autonomous cars must guarantee the safety of pedestrians. This is the reason why forecasting pedestrians' intentions sufficiently in advance is one of the most critical and challenging tasks for autonomous vehicles. This work tries to solve this problem by jointly predicting the intention and visual states of pedestrians. In terms of visual states, whereas previous work focused on x-y coordinates, we will also predict the size and indeed the whole bounding box of the pedestrian. The method is a recurrent neural network in a multi-task learning approach. It has one head that predicts the intention of the pedestrian for each one of its future position and another one predicting the visual states of the pedestrian. Experiments on the JAAD dataset show the superiority of the performance of our method compared to previous works for intention prediction. Also, although its simple architecture (more than 2 times faster), the performance of the bounding box prediction is comparable to the ones yielded by much more complex architectures. Our code is available online.
• Abstract（参考訳）: グローバルに展開するためには、自動運転車は歩行者の安全を保証する必要がある。 歩行者の意図を事前に十分に予測することが、自動運転車にとって最も重要かつ困難な作業の1つである理由である。 本研究は歩行者の意図と視覚状態を共同で予測することでこの問題を解決しようとするものである。 視覚状態の観点からは、以前の研究はx-y座標に重点を置いていたが、我々はまた、歩行者の規模と実際の境界ボックス全体を予測する。 この方法はマルチタスク学習アプローチにおけるリカレントニューラルネットワークである。 歩行者の将来の位置ごとに歩行者の意図を予測する頭と、歩行者の視覚状態を予測する頭とがある。 JAADデータセットを用いた実験は,従来の意図予測法と比較して,本手法の性能が優れていることを示す。 また、単純なアーキテクチャ(2倍以上高速)であるが、バウンディングボックス予測のパフォーマンスは、はるかに複雑なアーキテクチャによって得られたものと同等である。 私たちのコードはオンラインで入手できる。

関連論文リスト

• Pedestrian 3D Bounding Box Prediction [83.7135926821794]
  我々は、自動運転車の複雑な動きの詳細をモデル化せずに、人間の合理的な推定値である3Dバウンディングボックスに焦点を当てる。 本稿では, 歩行者の3次元境界ボックス予測のための, 単純かつ効果的なモデルを提案する。 この方法は、繰り返しニューラルネットワークに基づくエンコーダ・デコーダアーキテクチャに従う。
  論文  参考訳（メタデータ） (2022-06-28T17:59:45Z)
• DR.VIC: Decomposition and Reasoning for Video Individual Counting [93.12166351940242]
  我々は、新しい視点から歩行者計数を行う、ビデオ個別計数(VIC)を提案する。 本研究は,MOT(Multiple Object Tracking)技術に頼らず,全歩行者を第1フレームに存在する初期歩行者と第2フレームに別個の身元を持つ新歩行者に分解することで,その問題を解決することを提案する。 終端分解・推論ネットワーク (DRNet) は, 初期歩行者数を密度推定法で予測し, 新歩行者数を最適な移動量で推定するように設計されている。
  論文  参考訳（メタデータ） (2022-03-23T11:24:44Z)
• Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
  歩行者の立ち止まりと予測の新たな課題を紹介します。 都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。 歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
  論文  参考訳（メタデータ） (2022-03-04T18:39:31Z)
• "If you could see me through my eyes": Predicting Pedestrian Perception [0.0]
  本研究では,特定歩行者横断シナリオのシミュレーションから合成データを用いて,変分オートエンコーダと短期記憶ネットワークを訓練する。 我々は、関連する時間的地平線内で、歩行者の将来の知覚を正確に予測することができる。 このような訓練されたネットワークは、後に自動運転車の観点からも歩行者の行動を予測するのに使用できる。
  論文  参考訳（メタデータ） (2022-02-28T17:36:12Z)
• PSI: A Pedestrian Behavior Dataset for Socially Intelligent Autonomous Car [47.01116716025731]
  本稿では、IUPUI-CSRC Pedestrian Situated Intent(PSI)データと呼ばれる別のベンチマークデータセットを提案し、共有する。 最初の新しいラベルは、24人のドライバーによって達成されたエゴ車両の前を歩行者が横断する動的な意図の変化である。 2つ目は、歩行者の意図を推定し、その行動を予測するときに、運転者の推論プロセスに関するテキストベースの説明である。
  論文  参考訳（メタデータ） (2021-12-05T15:54:57Z)
• Single Shot Multitask Pedestrian Detection and Behavior Prediction [9.147707153504117]
  カメラに基づく歩行者検出と意図予測を行うための空間時空間マルチタスキングを用いた新しいアーキテクチャを提案する。 提案手法は,全歩行者の意図を単一ショットで検出し,予測することにより,遅延を著しく低減する。
  論文  参考訳（メタデータ） (2021-01-06T19:10:23Z)
• Pedestrian Behavior Prediction for Automated Driving: Requirements, Metrics, and Relevant Features [1.1888947789336193]
  システムレベルアプローチによる自動走行の歩行者行動予測の要件を分析した。 人間の運転行動に基づいて、自動走行車の適切な反応パターンを導出する。 複数の文脈的手がかりを組み込んだ変分条件自動エンコーダに基づく歩行者予測モデルを提案する。
  論文  参考訳（メタデータ） (2020-12-15T16:52:49Z)
• 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。