論文の概要: A Perceptually-Validated Metric for Crowd Trajectory Quality Evaluation
- arxiv url: http://arxiv.org/abs/2108.12346v1
- Date: Fri, 27 Aug 2021 15:22:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-30 14:08:54.559369
- Title: A Perceptually-Validated Metric for Crowd Trajectory Quality Evaluation
- Title(参考訳): 群衆軌道品質評価のための知覚的検証基準
- Authors: Beatriz Cabrero Daniel, Ricardo Marques, Ludovic Hoyet, Julien
Pettr\'e and Josep Blat
- Abstract要約: シミュレーション手法のパラメトリック値と結果の軌跡の品質の関係について検討する。
トラジェクティブ・リアリズムの知覚に影響を与える最も健全な特徴を捉えながら、基準データから抽象化する品質指標QFを提案する。
- 参考スコア(独自算出の注目度): 3.0448872422956432
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Simulating crowds requires controlling a very large number of trajectories
and is usually performed using crowd motion algorithms for which appropriate
parameter values need to be found. The study of the relation between parametric
values for simulation techniques and the quality of the resulting trajectories
has been studied either through perceptual experiments or by comparison with
real crowd trajectories. In this paper, we integrate both strategies. A quality
metric, QF, is proposed to abstract from reference data while capturing the
most salient features that affect the perception of trajectory realism. QF
weights and combines cost functions that are based on several individual, local
and global properties of trajectories. These trajectory features are selected
from the literature and from interviews with experts. To validate the capacity
of QF to capture perceived trajectory quality, we conduct an online experiment
that demonstrates the high agreement between the automatic quality score and
non-expert users. To further demonstrate the usefulness of QF, we use it in a
data-free parameter tuning application able to tune any parametric microscopic
crowd simulation model that outputs independent trajectories for characters.
The learnt parameters for the tuned crowd motion model maintain the influence
of the reference data which was used to weight the terms of QF.
- Abstract(参考訳): 群衆をシミュレーションするには、非常に多数の軌道を制御する必要があり、通常、適切なパラメータ値を見つける必要がある群集運動アルゴリズムを用いて実行される。
シミュレーション手法におけるパラメトリック値と結果として得られる軌道の品質との関係について,知覚実験または実際の群衆軌道との比較により検討した。
本稿では,両戦略を統合する。
軌道実在論の知覚に影響を与える最も有意義な特徴を捉えながら、参照データから抽象化する品質指標 qf が提案されている。
qfは、軌道の複数の個別、局所、大域的性質に基づくコスト関数を重み付け、結合する。
これらの軌跡の特徴は文献および専門家へのインタビューから選ばれる。
知覚された軌道品質を捉えるためのQFの能力を検証するために,自動品質スコアと非熟練ユーザとの高整合性を示すオンライン実験を行った。
qfのさらなる有用性を示すために,パラメータチューニングアプリケーションにおいて,文字の独立な軌跡を出力する任意のパラメトリックな微小群衆シミュレーションモデルをチューニングできる。
調整群集運動モデルの学習パラメータは、QFの項の重み付けに用いられた基準データの影響を保っている。
関連論文リスト
- Federated Learning with Projected Trajectory Regularization [65.6266768678291]
フェデレーション学習は、ローカルデータを共有せずに、分散クライアントから機械学習モデルの共同トレーニングを可能にする。
連合学習における重要な課題の1つは、クライアントにまたがる識別できない分散データを扱うことである。
本稿では,データ問題に対処するための予測軌道正則化(FedPTR)を備えた新しいフェデレーション学習フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-22T02:12:08Z) - Learning Generalizable Perceptual Representations for Data-Efficient
No-Reference Image Quality Assessment [7.291687946822539]
最先端のNR-IQA技術の大きな欠点は、多数の人間のアノテーションに依存していることである。
低レベルな特徴の学習を、新しい品質に配慮したコントラスト損失を導入することで、歪みタイプの学習を可能にする。
両経路からゼロショット品質の予測を、完全に盲目な環境で設計する。
論文 参考訳(メタデータ) (2023-12-08T05:24:21Z) - Seeking Neural Nuggets: Knowledge Transfer in Large Language Models from
a Parametric Perspective [114.70886320845715]
大規模言語モデル(LLM)は本質的に、広範囲なコーパスの事前学習を通じて、パラメータ内の豊富な知識を符号化する。
本稿では,パラメトリックの観点から,大規模モデルから小規模モデルへの知識伝達を実証的に検討する。
論文 参考訳(メタデータ) (2023-10-17T17:58:34Z) - CONVIQT: Contrastive Video Quality Estimator [63.749184706461826]
知覚ビデオ品質評価(VQA)は、多くのストリーミングおよびビデオ共有プラットフォームにおいて不可欠な要素である。
本稿では,視覚的に関連のある映像品質表現を自己指導的に学習する問題について考察する。
本研究は, 自己教師型学習を用いて, 知覚力による説得力のある表現が得られることを示す。
論文 参考訳(メタデータ) (2022-06-29T15:22:01Z) - Evaluating natural language processing models with generalization
metrics that do not need access to any training or testing data [66.11139091362078]
本稿では,Hugingface から事前学習した大規模トランスフォーマーに対して,一般化指標を用いた最初のモデル選択結果を提案する。
ニッチな状況にもかかわらず、ヘビーテール(HT)の観点から派生したメトリクスは、特にNLPタスクにおいて有用である。
論文 参考訳(メタデータ) (2022-02-06T20:07:35Z) - Learning Transformer Features for Image Quality Assessment [53.51379676690971]
本稿では,CNNバックボーンとトランスフォーマーエンコーダを用いて特徴抽出を行うIQAフレームワークを提案する。
提案するフレームワークはFRモードとNRモードの両方と互換性があり、共同トレーニング方式が可能である。
論文 参考訳(メタデータ) (2021-12-01T13:23:00Z) - Learning suction graspability considering grasp quality and robot
reachability for bin-picking [4.317666242093779]
直感的な幾何学的解析に基づくグリップ品質評価指標を提案する。
さらに,到達可能性評価指標を取り入れた。
実験結果から,直感的に把握できる品質評価基準は,物理的に着想を得た指標と競合することがわかった。
論文 参考訳(メタデータ) (2021-11-04T00:55:42Z) - Robust Ego and Object 6-DoF Motion Estimation and Tracking [5.162070820801102]
本稿では,動的多体視覚計測における高精度な推定と一貫した追跡性を実現するためのロバストな解を提案する。
セマンティック・インスタンスレベルのセグメンテーションと正確な光フロー推定の最近の進歩を活用して、コンパクトで効果的なフレームワークを提案する。
追従点の品質と運動推定精度を向上させる新しい定式化SE(3)運動と光流が導入された。
論文 参考訳(メタデータ) (2020-07-28T05:12:56Z) - SQE: a Self Quality Evaluation Metric for Parameters Optimization in
Multi-Object Tracking [25.723436561224297]
本稿では,パラメータ最適化のための新しい自己品質評価指標SQEを提案する。
対照的に、我々の計量は軌道仮説の内部特性を反映し、真理を示さずに性能を追跡する。
論文 参考訳(メタデータ) (2020-04-16T06:07:29Z) - Tracking Performance of Online Stochastic Learners [57.14673504239551]
オンラインアルゴリズムは、大規模なバッチにデータを保存したり処理したりすることなく、リアルタイムで更新を計算できるため、大規模な学習環境で人気がある。
一定のステップサイズを使用すると、これらのアルゴリズムはデータやモデル特性などの問題パラメータのドリフトに適応し、適切な精度で最適解を追跡する能力を持つ。
定常仮定に基づく定常状態性能とランダムウォークモデルによるオンライン学習者の追跡性能の関連性を確立する。
論文 参考訳(メタデータ) (2020-04-04T14:16:27Z) - Variational Inference with Parameter Learning Applied to Vehicle
Trajectory Estimation [20.41604350878599]
雑音測定のみを用いたガウス変分推論におけるパラメータ学習について述べる。
我々はライダーを用いた自動車による36kmのデータセットを用いて高精細マップに対するローカライズを行う手法を実証した。
論文 参考訳(メタデータ) (2020-03-21T19:48:07Z)
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。