論文の概要: Towards Traffic Scene Description: The Semantic Scene Graph
- arxiv url: http://arxiv.org/abs/2111.10196v1
- Date: Fri, 19 Nov 2021 13:08:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-22 15:56:18.245978
- Title: Towards Traffic Scene Description: The Semantic Scene Graph
- Title(参考訳): 交通シーン記述に向けて:セマンティックシーングラフ
- Authors: Maximilian Zipfl, J. Marius Z\"ollner
- Abstract要約: 本稿では,交通シーンを意味的に記述するモデルについて述べる。
このモデルでは、道路地形や道路地形とは無関係に交通状況を記述することができる。
この記述の重要な側面は、機械可読形式に容易に変換できることである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For the classification of traffic scenes, a description model is necessary
that can describe the scene in a uniform way, independent of its domain. A
model to describe a traffic scene in a semantic way is described in this paper.
The description model allows to describe a traffic scene independently of the
road geometry and road topology. Here, the traffic participants are projected
onto the road network and represented as nodes in a graph. Depending on the
relative location between two traffic participants with respect to the road
topology, semantic classified edges are created between the corresponding
nodes. For concretization, the edge attributes are extended by relative
distances and velocities between both traffic participants with regard to the
course of the lane. An important aspect of the description is that it can be
converted easily into a machine-readable format. The current description
focuses on dynamic objects of a traffic scene and considers traffic
participants, such as pedestrians or vehicles.
- Abstract(参考訳): 交通シーンの分類には、そのドメインとは無関係に、シーンを統一的に記述できる記述モデルが必要である。
本稿では,トラフィックシーンを意味的に記述するモデルについて述べる。
記述モデルは、道路形状と道路トポロジーとは独立に交通シーンを記述することができる。
ここで、交通参加者は道路網に投影され、グラフのノードとして表現される。
道路トポロジーに関する2つのトラフィック参加者間の相対的な位置に応じて、対応するノード間で意味的に分類されたエッジが生成される。
コンクレット化の場合、エッジ属性はレーンの経路に関して両交通参加者間の相対距離と速度によって拡張される。
この記述の重要な側面は、機械可読形式に容易に変換できることである。
現在の記述では、交通シーンの動的対象に注目し、歩行者や車両などの交通参加者を考察している。
関連論文リスト
- Enhancing Vision-Language Models with Scene Graphs for Traffic Accident Understanding [45.7444555195196]
この研究は、交通シーンを特定の事故タイプに分類することに焦点を当てている。
交通シーンをグラフとして表現することで,車などの物体をノードとして表現し,その間の相対距離や方向をエッジとして表現することで,この問題に対処する。
論文 参考訳(メタデータ) (2024-07-08T13:15:11Z) - FDTI: Fine-grained Deep Traffic Inference with Roadnet-enriched Graph [10.675666104503119]
本稿では,詳細な深部交通推論をedIと呼ぶ。
道路間の関係をモデル化するために,交通信号に基づくきめ細かい交通グラフを構築した。
私たちは、都市レベルのきめ細かい交通予測を最初に実施しました。
論文 参考訳(メタデータ) (2023-06-19T14:03:42Z) - OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。
OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。
様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文 参考訳(メタデータ) (2023-04-20T16:31:22Z) - Graph-based Topology Reasoning for Driving Scenes [102.35885039110057]
TopoNetは、従来の知覚タスクを超えてトラフィック知識を抽象化できる最初のエンドツーエンドフレームワークである。
TopoNetを,難解なシーン理解ベンチマークOpenLane-V2で評価した。
論文 参考訳(メタデータ) (2023-04-11T15:23:29Z) - Self Supervised Clustering of Traffic Scenes using Graph Representations [2.658812114255374]
本稿では,手動ラベリングを使わずに自己管理されたトラフィックシーンをクラスタリングするデータ駆動方式を提案する。
セマンティックシーングラフモデルを用いて、トラフィックシーンの一般的なグラフ埋め込みを作成し、シームズネットワークを用いて低次元の埋め込み空間にマッピングする。
新たなアプローチのトレーニングプロセスにおいて、カルテシア空間の既存の交通シーンを拡張し、正の類似性サンプルを生成する。
論文 参考訳(メタデータ) (2022-11-24T22:52:55Z) - Relation-based Motion Prediction using Traffic Scene Graphs [12.68339084600328]
交通現場の関連情報を表現し,その環境を理解することは,自動運転の成功に不可欠である。
本研究では,交通参加者に関する様々な予測を行うために,交通シーンを空間意味シーングラフの形式でモデル化する。
我々の学習と推論手法はグラフニューラルネットワーク(GNN)を用いて,交通参加者間の空間的意味関係に関する明示的な情報を取り入れることで,述語結果が改善されることを示す。
論文 参考訳(メタデータ) (2022-11-24T13:04:08Z) - HDGT: Heterogeneous Driving Graph Transformer for Multi-Agent Trajectory
Prediction via Scene Encoding [76.9165845362574]
運転シーンをノードやエッジの異なる異種グラフとしてモデル化するバックボーンを提案する。
空間的関係符号化では、ノードの座標とエッジの座標は局所ノード中心座標系に含まれる。
実験結果から,HDGTは軌道予測のタスクに対して最先端の性能を達成することが示された。
論文 参考訳(メタデータ) (2022-04-30T07:08:30Z) - Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。
本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。
提案手法は,高品質なトラフィックフローマップを作成できる。
論文 参考訳(メタデータ) (2021-09-29T07:51:49Z) - Interaction-Based Trajectory Prediction Over a Hybrid Traffic Graph [4.574413934477815]
本稿では,トラフィックアクタと静的および動的トラフィック要素の両方をノードが表現するハイブリッドグラフを提案する。
アクターとトラフィック要素間の時間的相互作用(例えば、停止と移動)の異なるモードは、グラフエッジによって明示的にモデル化される。
提案するモデルであるTrafficGraphNetは,高いレベルの解釈性を維持しつつ,最先端の軌道予測精度を実現する。
論文 参考訳(メタデータ) (2020-09-27T18:20:03Z) - Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。
我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
論文 参考訳(メタデータ) (2020-07-23T14:31:25Z)
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。