論文の概要: Sliding Sequential CVAE with Time Variant Socially-aware Rethinking for Trajectory Prediction

• arxiv url: http://arxiv.org/abs/2110.15016v1
• Date: Thu, 28 Oct 2021 10:56:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-30 04:02:33.798776
• Title: Sliding Sequential CVAE with Time Variant Socially-aware Rethinking for Trajectory Prediction
• Title（参考訳）: 軌道予測のための社会性を考慮した時間変化を考慮したスライディングシーケンシャルcvae
• Authors: Hao Zhou, Dongchun Ren, Xu Yang, Mingyu Fan, Hai Huang
• Abstract要約: 歩行者の軌道予測は、ビデオ監視、社会ロボットナビゲーション、自動運転など、多くのアプリケーションにおいて重要な技術である。 本研究は,CVAEモジュールと社会的に認識された回帰モジュールからなるCSRと呼ばれる新しい軌道予測手法を提案する。 実験の結果,提案手法はスタンフォード・ドローン・データセットの最先端手法よりも改善されていることが示された。
• 参考スコア（独自算出の注目度）: 13.105275905781632
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pedestrian trajectory prediction is a key technology in many applications such as video surveillance, social robot navigation, and autonomous driving, and significant progress has been made in this research topic. However, there remain two limitations of previous studies. First, with the continuation of time, the prediction error at each time step increases significantly, causing the final displacement error to be impossible to ignore. Second, the prediction results of multiple pedestrians might be impractical in the prediction horizon, i.e., the predicted trajectories might collide with each other. To overcome these limitations, this work proposes a novel trajectory prediction method called CSR, which consists of a cascaded conditional variational autoencoder (CVAE) module and a socially-aware regression module. The cascaded CVAE module first estimates the future trajectories in a sequential pattern. Specifically, each CVAE concatenates the past trajectories and the predicted points so far as the input and predicts the location at the following time step. Then, the socially-aware regression module generates offsets from the estimated future trajectories to produce the socially compliant final predictions, which are more reasonable and accurate results than the estimated trajectories. Moreover, considering the large model parameters of the cascaded CVAE module, a slide CVAE module is further exploited to improve the model efficiency using one shared CVAE, in a slidable manner. Experiments results demonstrate that the proposed method exhibits improvements over state-of-the-art method on the Stanford Drone Dataset (SDD) and ETH/UCY of approximately 38.0% and 22.2%, respectively.
• Abstract（参考訳）: 歩行者の軌道予測は、ビデオ監視、社会ロボットナビゲーション、自動運転など、多くのアプリケーションにおいて重要な技術であり、この研究トピックでは大きな進歩を遂げている。 しかし、以前の研究には2つの限界がある。 第一に、時間の継続に伴い、各時点における予測誤差が著しく増加し、最終的な変位誤差を無視することができない。 第二に、複数の歩行者の予測結果は予測地平線では非現実的であり、予測された軌道が互いに衝突する可能性がある。 これらの限界を克服するため,本研究では,カスケード条件変分オートエンコーダ(cvae)モジュールと社会的に認識された回帰モジュールからなるcsrと呼ばれる新しい軌道予測手法を提案する。 CVAEモジュールはまず、将来の軌道をシーケンシャルなパターンで推定する。 具体的には、各CVAEは過去の軌跡と予測点を入力まで連結し、次のステップで位置を予測する。 そして、社会的に認識された回帰モジュールは、推定された将来の軌道からオフセットを生成し、社会的に準拠した最終予測を生成する。 さらに、カスケードCVAEモジュールの大きなモデルパラメータを考慮すると、スライドCVAEモジュールをさらに活用して、1つの共有CVAEを用いたモデル効率を向上させる。 実験の結果,本手法はstanford drone dataset (sdd) における最先端法と約38.0%および22.2%のeth/ucy法に比較して改善がみられた。

関連論文リスト

• Valeo4Cast: A Modular Approach to End-to-End Forecasting [93.86257326005726]
  我々のソリューションはArgoverse 2 end-to-end Forecasting Challengeで63.82 mAPfでランクインした。 私たちは、知覚から予測までエンドツーエンドのトレーニングを通じて、このタスクに取り組む現在のトレンドから離れ、代わりにモジュラーアプローチを使用します。 私たちは、昨年の優勝者より+17.1ポイント、今年の優勝者より+13.3ポイント、予測結果を+17.1ポイント上回る。
  論文  参考訳（メタデータ） (2024-06-12T11:50:51Z)
• AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving [59.94343412438211]
  本稿では,GPT方式の次のトークン動作予測を動作予測に導入する。 同種単位-ワードからなる言語データとは異なり、運転シーンの要素は複雑な空間的・時間的・意味的な関係を持つ可能性がある。 そこで本稿では,情報集約と位置符号化スタイルの異なる3つの因子化アテンションモジュールを用いて,それらの関係を捉えることを提案する。
  論文  参考訳（メタデータ） (2024-03-20T06:22:37Z)
• Conditional Unscented Autoencoders for Trajectory Prediction [13.121738145903532]
  CVAEはADの軌道予測において最も広く使われているモデルの一つである。 CVAEの基礎となるVAEの空間における最近の進歩を利用して,サンプリング手順の簡単な変更が性能に大きな恩恵をもたらすことを示す。 CelebAデータセット上の画像モデリングのタスクだけでなく、InterAction予測データセット上で評価することで、我々のモデルの幅広い適用性を示す。
  論文  参考訳（メタデータ） (2023-10-30T18:59:32Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)
• RESET: Revisiting Trajectory Sets for Conditional Behavior Prediction [12.945951957551317]
  本稿では、トラジェクトリセット生成のための新しいメトリック駆動アルゴリズムとグラフベースのエンコーダを組み合わせたRESETを提案する。 非条件予測では、RESETは回帰ベースのアプローチと同等のパフォーマンスを達成する。 条件付き予測では、RESETは計画された軌道の遅い融合によって合理的な結果を得る。
  論文  参考訳（メタデータ） (2023-04-12T13:39:09Z)
• Graph-based Spatial Transformer with Memory Replay for Multi-future Pedestrian Trajectory Prediction [13.466380808630188]
  歴史的軌跡に基づく複数経路の予測モデルを提案する。 提案手法は,空間情報を利用するとともに,時間的に矛盾した軌道を補正することができる。 実験により,提案手法は,複数未来予測の最先端性能と,単一未来予測の競合結果が得られることを示した。
  論文  参考訳（メタデータ） (2022-06-12T10:25:12Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory Prediction [52.442129609979794]
  軌道予測のための最近の深層学習手法は有望な性能を示す。 そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。 本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T14:24:15Z)
• 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)
• Learning Accurate Long-term Dynamics for Model-based Reinforcement Learning [7.194382512848327]
  より長い地平線で安定的に予測するために, 状態作用データに対する教師付き学習のための新しいパラメータ化を提案する。 シミュレーションおよび実験によるロボット作業の結果,軌道に基づくモデルにより,より正確な長期予測が得られた。
  論文  参考訳（メタデータ） (2020-12-16T18:47:37Z)
• LTN: Long-Term Network for Long-Term Motion Prediction [0.0]
  長期ネットワーク(LTN)と呼ばれる長期軌道予測のための2段階フレームワークを提案する。 まず,条件付き変分オートエンコーダ(CVAE)を用いて提案したトラジェクトリの集合を生成し,それらをバイナリラベルで分類し,最も高いスコアでトラジェクトリを出力する。 その結果,提案手法は,長期軌道予測における複数の最先端手法よりも精度が高いことがわかった。
  論文  参考訳（メタデータ） (2020-10-15T17:59:09Z)

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。