論文の概要: SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction

• arxiv url: http://arxiv.org/abs/2112.02459v1
• Date: Sun, 5 Dec 2021 01:49:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2021-12-07 16:36:47.404222
• Title: SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction
• Title（参考訳）: SSAGCN:歩行者軌道予測のための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
• Authors: Pei Lv, Wentong Wang, Yunxin Wang, Yuzhen Zhang, Mingliang Xu and Changsheng Xu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 59.064925464991056
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Pedestrian trajectory prediction is an important technique of autonomous driving, which has become a research hot-spot in recent years. Previous methods mainly rely on the position relationship of pedestrians to model social interaction, which is obviously not enough to represent the complex cases in real situations. In addition, most of existing work usually introduce the scene interaction module as an independent branch and embed the social interaction features in the process of trajectory generation, rather than simultaneously carrying out the social interaction and scene interaction, which may undermine the rationality of trajectory prediction. In this paper, we propose one new prediction model named Social Soft Attention Graph Convolution Network (SSAGCN) which aims to simultaneously handle social interactions among pedestrians and scene interactions between pedestrians and environments. In detail, when modeling social interaction, we propose a new \emph{social soft attention function}, which fully considers various interaction factors among pedestrians. And it can distinguish the influence of pedestrians around the agent based on different factors under various situations. For the physical interaction, we propose one new \emph{sequential scene sharing mechanism}. The influence of the scene on one agent at each moment can be shared with other neighbors through social soft attention, therefore the influence of the scene is expanded both in spatial and temporal dimension. With the help of these improvements, we successfully obtain socially and physically acceptable predicted trajectories. The experiments on public available datasets prove the effectiveness of SSAGCN and have achieved state-of-the-art results.
• Abstract（参考訳）: 歩行者追跡予測は、近年研究のホットスポットとなっている自動運転の重要な技術である。 従来の方法は、主に歩行者の位置関係に依存し、社会的相互作用をモデル化するが、現実の状況では複雑なケースを表現するには不十分である。 さらに、既存の作業の多くは、通常、シーンインタラクションモジュールを独立したブランチとして導入し、軌道予測の合理性を損なうような社会的相互作用とシーンインタラクションを同時に実行するのではなく、軌道生成のプロセスにソーシャルインタラクション機能を組み込む。 本稿では,歩行者間のソーシャルインタラクション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た,ソーシャル・ソフト・アテンション・グラフ・コンボリューション・ネットワーク(SSAGCN)という新たな予測モデルを提案する。 より詳しくは, 歩行者間の相互作用をモデル化する場合に, 歩行者間の相互作用要因を完全に考慮した, 新たな‘emph{social soft attention function’を提案する。 そして、様々な状況下で異なる要因に基づいて、エージェント周辺の歩行者の影響を区別することができる。 物理的インタラクションには,新たな「emph{sequential scene sharing mechanism}」を提案する。 シーンが各時点のエージェントに与える影響は,社会的なソフトアテンションを通じて他のエージェントと共有することができるため,空間的,時間的両面においてシーンの影響が拡大される。 これらの改良の助けを借りて,社会的,物理的に許容できる予測軌跡を得ることに成功した。 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。

関連論文リスト

• Where Do You Go? Pedestrian Trajectory Prediction using Scene Features [1.8874331450711404]
  本稿では,歩行者のインタラクションと環境コンテキストを統合した新しい軌道予測モデルを提案する。 本手法は,スパースグラフの枠組み内で歩行者間の空間的・時間的相互作用を捉える。 提案手法は既存の最先端手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-01-23T17:15:26Z)
• SocialCircle+: Learning the Angle-based Conditioned Interaction Representation for Pedestrian Trajectory Prediction [10.240007698680097]
  本論文は,軌道予測ネットワークにおける説明可能性と条件条件性に焦点をあてる。 本研究は, 海産動物が他の動物や水中環境をエコーロケーションで知覚し, アングルに基づく条件付き社会相互作用表現SocialCircle+を構築した。 実験は、異なる軌道予測バックボーンを持つSocialCircle+の優位性を示す。
  論文  参考訳（メタデータ） (2024-09-23T13:02:12Z)
• Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
  Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。 提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
  論文  参考訳（メタデータ） (2023-12-26T18:56:49Z)
• 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)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Interaction Transformer for Human Reaction Generation [61.22481606720487]
  本稿では,時間的,空間的両方の注意を持つトランスフォーマーネットワークからなる対話型トランスフォーマー(InterFormer)を提案する。 我々の手法は一般的であり、より複雑で長期的な相互作用を生成するのに利用できる。
  論文  参考訳（メタデータ） (2022-07-04T19:30:41Z)
• 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)
• SRA-LSTM: Social Relationship Attention LSTM for Human Trajectory Prediction [3.1703939581903864]
  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
  論文  参考訳（メタデータ） (2021-03-31T12:56:39Z)
• 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)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。