論文の概要: SRA-LSTM: Social Relationship Attention LSTM for Human Trajectory
Prediction
- arxiv url: http://arxiv.org/abs/2103.17045v1
- Date: Wed, 31 Mar 2021 12:56:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-01 23:43:56.588945
- Title: SRA-LSTM: Social Relationship Attention LSTM for Human Trajectory
Prediction
- Title(参考訳): SRA-LSTM:人間軌道予測のための社会関係注意LSTM
- Authors: Yusheng Peng, Gaofeng Zhang, Jun Shi, Benzhu Xu, Liping Zheng
- Abstract要約: 歩行者間の社会的関係は歩行者歩行パターンに影響を及ぼす重要な要因である。
ソーシャル・リレーション・アテンション・LSTM(SRA-LSTM)モデルによる将来の軌道予測
- 参考スコア(独自算出の注目度): 3.1703939581903864
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pedestrian trajectory prediction for surveillance video is one of the
important research topics in the field of computer vision and a key technology
of intelligent surveillance systems. Social relationship among pedestrians is a
key factor influencing pedestrian walking patterns but was mostly ignored in
the literature. Pedestrians with different social relationships play different
roles in the motion decision of target pedestrian. Motivated by this idea, we
propose a Social Relationship Attention LSTM (SRA-LSTM) model to predict future
trajectories. We design a social relationship encoder to obtain the
representation of their social relationship through the relative position
between each pair of pedestrians. Afterwards, the social relationship feature
and latent movements are adopted to acquire the social relationship attention
of this pair of pedestrians. Social interaction modeling is achieved by
utilizing social relationship attention to aggregate movement information from
neighbor pedestrians. Experimental results on two public walking pedestrian
video datasets (ETH and UCY), our model achieves superior performance compared
with state-of-the-art methods. Contrast experiments with other attention
methods also demonstrate the effectiveness of social relationship attention.
- Abstract(参考訳): 歩行者による監視ビデオの軌道予測は、コンピュータビジョン分野における重要な研究の1つであり、インテリジェントな監視システムの重要な技術である。
歩行者間の社会的関係は、歩行者歩行パターンに影響を及ぼす重要な要因であるが、主に文献で無視された。
異なる社会的関係を持つ歩行者は、歩行者の移動決定において異なる役割を担っている。
このアイデアに触発され,将来的な軌道予測のための社会関係注意LSTM(SRA-LSTM)モデルを提案する。
歩行者同士の相対的な位置から,その社会的関係の表現を得るために,社会関係エンコーダを設計する。
その後、この一対の歩行者の社会的関係意識を得るために、社会的関係の特徴と潜伏運動が採用される。
ソーシャル・インタラクション・モデリングは,近隣の歩行者の移動情報収集にソーシャル・リレーション・アテンションを活用することで実現される。
2つの公共歩行歩行者映像データセット(ETHとUCY)による実験結果から,本モデルは最先端手法と比較して優れた性能を示した。
他の注意方法との対比実験も社会関係の注意の効果を示す。
関連論文リスト
- From a Social Cognitive Perspective: Context-aware Visual Social Relationship Recognition [59.57095498284501]
我々は,textbfContextual textbfSocial textbfRelationships (textbfConSoR) を社会的認知の観点から認識する新しいアプローチを提案する。
画像ごとの社会的関係を考慮した社会認識記述言語プロンプトを構築した。
印象的なことに、ConSoRは従来の手法を上回り、Person-in-Social-Context(PISC)データセットでは12.2%、Person-in-Photo-Album(PIPA)ベンチマークでは9.8%向上している。
論文 参考訳(メタデータ) (2024-06-12T16:02:28Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳(メタデータ) (2024-01-22T18:58:22Z) - IA-LSTM: Interaction-Aware LSTM for Pedestrian Trajectory Prediction [1.3597551064547502]
群衆シナリオにおける歩行者の軌道予測は、自動運転車や自律移動ロボットの分野において不可欠である。
従来の研究者は人間と人間の相互作用をモデル化する方法に重点を置いていたが、相互作用の相対的重要性を無視した。
人間の相互作用の相対的重要性を測定するために、コレントロピーに基づく新しいメカニズムが導入された。
論文 参考訳(メタデータ) (2023-11-26T05:17:11Z) - SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。
エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。
GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
論文 参考訳(メタデータ) (2023-10-18T02:27:01Z) - SocialCircle: Learning the Angle-based Social Interaction Representation for Pedestrian Trajectory Prediction [19.075215661355486]
我々は,ソーシャルインタラクションのコンテキストを継続的に反映する,新しいアングルベースのトレーニング可能なソーシャルインタラクション表現であるSocialCircleを構築した。
提案するSocialCircleの効果を,新たにリリースされたトラジェクトリ予測モデルとともにトレーニングすることで検証する。
実験によると、SocialCircleは予測性能を定量的に改善するだけでなく、質的にも社会的相互作用をシミュレートするのに役立つ。
論文 参考訳(メタデータ) (2023-10-09T02:59:21Z) - Social-DualCVAE: Multimodal Trajectory Forecasting Based on Social
Interactions Pattern Aware and Dual Conditional Variational Auto-Encoder [14.05141917351931]
マルチモーダル軌道予測のための条件付き変分自動エンコーダ(Social-DualCVAE)を提案する。
これは、過去の軌跡だけでなく、教師なしの相互作用パターンの分類にもとづく生成モデルに基づいている。
提案手法は,広く用いられているトラジェクトリ・ベンチマークで評価され,従来の最先端手法よりも優れていた。
論文 参考訳(メタデータ) (2022-02-08T16:04:47Z) - 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) - Soft Attention: Does it Actually Help to Learn Social Interactions in
Pedestrian Trajectory Prediction? [2.180763067449862]
本研究では,歩行者の移動履歴と周辺歩行者の移動履歴を用いて,歩行者の将来経路を予測することの課題について考察する。
ディープラーニングは、歩行者の動きに対する社会的相互作用の影響をモデル化するための主要なツールとなっている。
論文 参考訳(メタデータ) (2021-06-16T17:39:35Z) - PHASE: PHysically-grounded Abstract Social Events for Machine Social
Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。
フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。
ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文 参考訳(メタデータ) (2021-03-02T18:44:57Z) - Graph-Based Social Relation Reasoning [101.9402771161935]
社会関係認識のためのグラフ関係推論ネットワーク(GR2N)を提案する。
本手法は,社会関係グラフの構築による連関関係推定のパラダイムを考察する。
実験結果から,本手法は合理的で一貫した社会関係グラフを生成することが示された。
論文 参考訳(メタデータ) (2020-07-15T03:01:11Z)
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。