論文の概要: "If you could see me through my eyes": Predicting Pedestrian Perception

• arxiv url: http://arxiv.org/abs/2202.13981v1
• Date: Mon, 28 Feb 2022 17:36:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 17:27:32.623092
• Title: "If you could see me through my eyes": Predicting Pedestrian Perception
• Title（参考訳）: 「目を通して私を見ることができたら」--歩行者知覚の予測
• Authors: Julian Petzold, Mostafa Wahby, Franek Stark, Ulrich Behrje, Heiko Hamann
• Abstract要約: 本研究では,特定歩行者横断シナリオのシミュレーションから合成データを用いて,変分オートエンコーダと短期記憶ネットワークを訓練する。 我々は、関連する時間的地平線内で、歩行者の将来の知覚を正確に予測することができる。 このような訓練されたネットワークは、後に自動運転車の観点からも歩行者の行動を予測するのに使用できる。
• 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: Pedestrians are particularly vulnerable road users in urban traffic. With the arrival of autonomous driving, novel technologies can be developed specifically to protect pedestrians. We propose a~machine learning toolchain to train artificial neural networks as models of pedestrian behavior. In a~preliminary study, we use synthetic data from simulations of a~specific pedestrian crossing scenario to train a~variational autoencoder and a~long short-term memory network to predict a~pedestrian's future visual perception. We can accurately predict a~pedestrian's future perceptions within relevant time horizons. By iteratively feeding these predicted frames into these networks, they can be used as simulations of pedestrians as indicated by our results. Such trained networks can later be used to predict pedestrian behaviors even from the perspective of the autonomous car. Another future extension will be to re-train these networks with real-world video data.
• Abstract（参考訳）: 歩行者は特に都市交通の脆弱な道路利用者である。 自動運転の登場により、歩行者を保護するための新しい技術が開発される。 歩行者行動のモデルとして,ニューラルネットワークを学習する機械学習ツールチェーンを提案する。 先行研究では,歩行者横断シナリオのシミュレーションから合成データを用いて,可変オートエンコーダと短期記憶ネットワークの訓練を行い,ペデストリアンの将来の視覚知覚を予測する。 a~pedestrianの将来的な知覚を関連する時間軸内で正確に予測することができる。 これらの予測されたフレームをこれらのネットワークに反復的に供給することで、歩行者のシミュレーションとして利用することができる。 このような訓練されたネットワークは、後に自動運転車の観点からも歩行者の行動を予測するために使用できる。 もう1つの将来の拡張は、これらのネットワークを現実世界のビデオデータで再訓練することだ。

関連論文リスト

• Humanoid Locomotion as Next Token Prediction [84.21335675130021]
  我々のモデルは感覚運動軌道の自己回帰予測によって訓練された因果変換器である。 われわれのモデルでは、フルサイズのヒューマノイドがサンフランシスコでゼロショットで歩けることが示されている。 われわれのモデルは、わずか27時間の歩行データで訓練された場合でも現実世界に移行でき、後方歩行のような訓練中に見えないコマンドを一般化することができる。
  論文  参考訳（メタデータ） (2024-02-29T18:57:37Z)
• 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)
• Pedestrian 3D Bounding Box Prediction [83.7135926821794]
  我々は、自動運転車の複雑な動きの詳細をモデル化せずに、人間の合理的な推定値である3Dバウンディングボックスに焦点を当てる。 本稿では, 歩行者の3次元境界ボックス予測のための, 単純かつ効果的なモデルを提案する。 この方法は、繰り返しニューラルネットワークに基づくエンコーダ・デコーダアーキテクチャに従う。
  論文  参考訳（メタデータ） (2022-06-28T17:59:45Z)
• Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
  歩行者の立ち止まりと予測の新たな課題を紹介します。 都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。 歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
  論文  参考訳（メタデータ） (2022-03-04T18:39:31Z)
• PSI: A Pedestrian Behavior Dataset for Socially Intelligent Autonomous Car [47.01116716025731]
  本稿では、IUPUI-CSRC Pedestrian Situated Intent(PSI)データと呼ばれる別のベンチマークデータセットを提案し、共有する。 最初の新しいラベルは、24人のドライバーによって達成されたエゴ車両の前を歩行者が横断する動的な意図の変化である。 2つ目は、歩行者の意図を推定し、その行動を予測するときに、運転者の推論プロセスに関するテキストベースの説明である。
  論文  参考訳（メタデータ） (2021-12-05T15:54:57Z)
• PredictionNet: Real-Time Joint Probabilistic Traffic Prediction for Planning, Control, and Simulation [9.750094897470447]
  PredictionNetはディープニューラルネットワーク(DNN)で、Ego-vehicleの動作とともに、周囲のすべてのトラフィックエージェントの動作を予測する。 このネットワークは現実的なトラフィックをシミュレートするために使用することができ、人気のあるベンチマークで競合する結果を生成する。 現実の車両を何百キロも制御するために、モーションプランニング/制御サブシステムと組み合わせて使用されてきた。
  論文  参考訳（メタデータ） (2021-09-23T01:23:47Z)
• Pedestrian Intention Prediction: A Multi-task Perspective [83.7135926821794]
  グローバルに展開するためには、自動運転車は歩行者の安全を保証する必要がある。 本研究は歩行者の意図と視覚状態を共同で予測することでこの問題を解決しようとするものである。 この方法はマルチタスク学習アプローチにおけるリカレントニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-10-20T13:42:31Z)
• VRUNet: Multi-Task Learning Model for Intent Prediction of Vulnerable Road Users [3.6265173818019947]
  本稿では、歩行者行動の予測、横断意図の予測、ビデオシーケンスからの将来の経路予測のためのマルチタスク学習モデルを提案する。 我々は、行動アノテーションや実世界のシナリオに富んだ、オープンソースのJAADデータセットを自然言語で駆動するモデルを訓練しました。 実験結果からJAADデータセットの最先端性能が示された。
  論文  参考訳（メタデータ） (2020-07-10T14:02:25Z)

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。