論文の概要: CityFlow-NL: Tracking and Retrieval of Vehicles at City Scale by Natural
Language Descriptions
- arxiv url: http://arxiv.org/abs/2101.04741v2
- Date: Thu, 14 Jan 2021 03:51:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-04 01:42:42.802098
- Title: CityFlow-NL: Tracking and Retrieval of Vehicles at City Scale by Natural
Language Descriptions
- Title(参考訳): CityFlow-NL:自然言語記述による都市規模の自動車の追跡と検索
- Authors: Qi Feng, Vitaly Ablavsky, Stan Sclaroff
- Abstract要約: 広く採用されているCityFlow Benchmarkを、車両ターゲットの自然言語記述で拡張します。
CityFlow-NLには5,000以上のユニークで正確な車両目標のNL記述が含まれています。
- 参考スコア(独自算出の注目度): 34.5603627264287
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Natural Language (NL) descriptions can be the most convenient or the only way
to interact with systems built to understand and detect city scale traffic
patterns and vehicle-related events. In this paper, we extend the widely
adopted CityFlow Benchmark with natural language descriptions for vehicle
targets and introduce the CityFlow-NL Benchmark. The CityFlow-NL contains more
than 5,000 unique and precise NL descriptions of vehicle targets, making it the
largest-scale tracking with NL descriptions dataset to our knowledge. Moreover,
the dataset facilitates research at the intersection of multi-object tracking,
retrieval by NL descriptions, and temporal localization of events.
- Abstract(参考訳): 自然言語(NL)の記述は、都市規模の交通パターンや車両関連の出来事を理解し、検出するために構築されたシステムと対話する最も便利または唯一の方法である。
本稿では,広く採用されているCityFlow Benchmarkを拡張し,車載目標の自然言語記述とCityFlow-NL Benchmarkの導入について述べる。
CityFlow-NLには5000以上のユニークかつ正確なNL記述が含まれており、私たちの知る限り、NL記述データセットによる最大規模のトラッキングを実現している。
さらに、データセットは、マルチオブジェクト追跡、nl記述による検索、イベントの時間的局在の交点の研究を容易にする。
関連論文リスト
- Cross-City Traffic Prediction via Semantic-Fused Hierarchical Graph
Transfer Learning [17.0011029870241]
近年,データ駆動手法はトラヒック予測や従来の手法よりも優れている。
この問題に対処するために、トランスファーラーニングにより、データ豊富な都市からデータに富む都市へメタ知識を抽出することができる。
本稿では,意味を融合した都市間における知識伝達を実現するために,セマンティック・フューズド・階層型グラフ転送学習モデルを提案する。
論文 参考訳(メタデータ) (2023-02-23T04:26:34Z) - Metropolitan Segment Traffic Speeds from Massive Floating Car Data in 10
Cities [9.072777719721902]
10都市における大規模浮動車データ(MeTS-10)による街路ごとの交通情報,メトロポリタンセグメンメント交通速度の大規模浮動車データセット(MeTS-10)を提案する。
MeTS-10は、2019-2021年に108日から361日間、大都市圏あたり1500平方キロメートル以上をカバーした15分間のコレクション期間の10都市で利用可能である。
論文 参考訳(メタデータ) (2023-02-17T08:56:07Z) - 4Seasons: Benchmarking Visual SLAM and Long-Term Localization for
Autonomous Driving in Challenging Conditions [54.59279160621111]
大規模4Seasonsデータセットに基づく課題条件下での自律運転のための新しい視覚的SLAMと長期局所化ベンチマークを提案する。
提案したベンチマークでは,季節変化や天候,照明条件の変動による劇的な外見の変化が報告されている。
本稿では,視覚計測,大域的位置認識,および地図に基づく視覚的位置決め性能を共同評価するための統合ベンチマークを提案する。
論文 参考訳(メタデータ) (2022-12-31T13:52:36Z) - Symmetric Network with Spatial Relationship Modeling for Natural
Language-based Vehicle Retrieval [3.610372087454382]
自然言語(NL)に基づく車両検索は,特定の車両のテキスト記述を検索することを目的としている。
NLに基づく車両検索のための空間関係モデリング(SSM)手法を提案する。
第6回AIシティチャレンジでは43.92%のMRR精度を達成した。
論文 参考訳(メタデータ) (2022-06-22T07:02:04Z) - Spatio-Temporal Graph Few-Shot Learning with Cross-City Knowledge
Transfer [58.6106391721944]
クロスシティの知識は、データ不足の都市から学んだモデルを活用して、データ不足の都市の学習プロセスに役立てるという、その将来性を示している。
本稿では,ST-GFSLと呼ばれるS時間グラフのためのモデルに依存しない数ショット学習フレームワークを提案する。
本研究では,4つの交通速度予測ベンチマークの総合的な実験を行い,ST-GFSLの有効性を最先端手法と比較した。
論文 参考訳(メタデータ) (2022-05-27T12:46:52Z) - Worldwide city transport typology prediction with sentence-BERT based
supervised learning via Wikipedia [0.0]
世界の人口の大半は都市部や都市に住んでいる。
市の類型学を理解する価値はあるものの、ラベル付きデータ(都市とその類型学)は乏しい。
ウィキペディアのページにある情報をもとに,都市の類型を予測するための教師付き機械学習手法を提案する。
論文 参考訳(メタデータ) (2022-03-29T00:09:55Z) - City-Scale Holographic Traffic Flow Data based on Vehicular Trajectory
Resampling [4.899517472913586]
我々はXuancheng市で1日80,000台の連続軌道を正確な交差点通過時間で構築した。
このようなホログラフィックなトラフィックデータにより、トラフィックフローの進化のあらゆる詳細を再現することが可能である。
街中の482の道路区間を網羅し, ホログラフィックトラジェクトリを再サンプリングした交通流データについて検討した。
論文 参考訳(メタデータ) (2021-08-30T16:59:04Z) - Connecting Language and Vision for Natural Language-Based Vehicle
Retrieval [77.88818029640977]
本稿では,言語記述という新たなモダリティを,興味ある車両の探索に適用する。
言語と視覚を結びつけるために,トランスフォーマーに基づく言語モデルを用いて最先端の視覚モデルを共同で訓練することを提案する。
提案手法は第5回AIシティチャレンジで1位を獲得し、18.69%のMRRの精度で競争性能を得た。
論文 参考訳(メタデータ) (2021-05-31T11:42:03Z) - The 5th AI City Challenge [51.83023045451549]
第5回AIシティチャレンジには38カ国305チームが参加した。
アルゴリズムの有効性と計算効率の両面で評価を行った。
結果は、スマートトランスポーテーションにおけるAIの約束を示している。
論文 参考訳(メタデータ) (2021-04-25T19:15:27Z) - End-to-end Interpretable Neural Motion Planner [78.69295676456085]
複雑な都市環境での自律走行学習のためのニューラルモーションプランナー(NMP)を提案する。
我々は,生lidarデータとhdマップを入力とし,解釈可能な中間表現を生成する全体モデルを設計した。
北米のいくつかの都市で収集された実世界の運転データにおける我々のアプローチの有効性を実証する。
論文 参考訳(メタデータ) (2021-01-17T14:16:12Z)
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。