Fugu-MT 論文翻訳(概要): BiPOCO: Bi-Directional Trajectory Prediction with Pose Constraints for Pedestrian Anomaly Detection

論文の概要: BiPOCO: Bi-Directional Trajectory Prediction with Pose Constraints for Pedestrian Anomaly Detection

arxiv url: http://arxiv.org/abs/2207.02281v1
Date: Tue, 5 Jul 2022 19:45:49 GMT
ステータス: 処理完了
システム内更新日: 2022-07-08 05:53:13.970909
Title: BiPOCO: Bi-Directional Trajectory Prediction with Pose Constraints for Pedestrian Anomaly Detection
Title（参考訳）: BiPOCO: 歩行者異常検出のためのPose Constraintを用いた双方向軌道予測
Authors: Asiegbu Miracle Kanu-Asiegbu, Ram Vasudevan, Xiaoxiao Du
Abstract要約: BiPOCOは、ビデオ中の歩行者の異常な活動を検出するためのPose COnstraintsを備えた双方向軌道予測器である。本稿では,新しい合成ポーズに基づく損失を予測器に導入し,各関節の予測誤差を利用して歩行者の異常検出を行う。
参考スコア（独自算出の注目度）: 14.740178121212132
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present BiPOCO, a Bi-directional trajectory predictor with POse COnstraints, for detecting anomalous activities of pedestrians in videos. In contrast to prior work based on feature reconstruction, our work identifies pedestrian anomalous events by forecasting their future trajectories and comparing the predictions with their expectations. We introduce a set of novel compositional pose-based losses with our predictor and leverage prediction errors of each body joint for pedestrian anomaly detection. Experimental results show that our BiPOCO approach can detect pedestrian anomalous activities with a high detection rate (up to 87.0%) and incorporating pose constraints helps distinguish normal and anomalous poses in prediction. This work extends current literature of using prediction-based methods for anomaly detection and can benefit safety-critical applications such as autonomous driving and surveillance. Code is available at https://github.com/akanuasiegbu/BiPOCO.
Abstract（参考訳）: ビデオ中の歩行者の異常行動を検出するために,Pose COnstraintsを用いた双方向軌道予測器BiPOCOを提案する。機能再構築に基づく以前の作業とは対照的に,将来の軌跡を予測し,予測と予測を比較して,歩行者異常事象を特定する。本稿では,新しい合成ポーズに基づく損失を予測器に導入し,各関節の予測誤差を利用して歩行者異常検出を行う。実験の結果,bipocoアプローチでは,歩行者の異常行動の検出率(最大87.0%)が高く,ポーズ制約を組み込むことで,正常なポーズと異常なポーズを識別できることがわかった。この研究は、異常検出に予測に基づく手法を用いる現在の文献を拡張し、自動運転や監視のような安全クリティカルな応用に役立つ。コードはhttps://github.com/akanuasiegbu/bipocoで入手できる。

関連論文リスト

Towards Generalizable and Interpretable Motion Prediction: A Deep Variational Bayes Approach [54.429396802848224]
本稿では,分布外ケースに対する頑健な一般化性を有する動き予測のための解釈可能な生成モデルを提案する。このモデルでは, 長期目的地の空間分布を推定することにより, 目標駆動動作予測を実現する。動き予測データセットの実験は、適合したモデルが解釈可能で一般化可能であることを検証した。
論文参考訳（メタデータ） (2024-03-10T04:16:04Z)
Scene Informer: Anchor-based Occlusion Inference and Trajectory Prediction in Partially Observable Environments [43.28710918095309]
複雑な環境と動的な環境をナビゲートするには、自動運転車が目に見える地域と隠された地域の両方を推論する必要がある。これには、観測されたエージェントの将来の動きを予測し、隠蔽されたエージェントを推測し、相互作用をモデル化することが含まれる。我々は,観察対象の軌跡を予測し,観察可能な部分的設定で隠蔽物を推定するための統一的なアプローチであるScene Informerを紹介した。
論文参考訳（メタデータ） (2023-09-25T06:16:09Z)
Uncovering the Missing Pattern: Unified Framework Towards Trajectory Imputation and Prediction [60.60223171143206]
軌道予測は、観測されたシーケンスから実体運動や人間の行動を理解する上で重要な作業である。現在の方法では、観測されたシーケンスが完了したと仮定し、欠落した値の可能性を無視する。本稿では,グラフに基づく条件変動リカレントニューラルネットワーク (GC-VRNN) の統一フレームワークを提案する。
論文参考訳（メタデータ） (2023-03-28T14:27:27Z)
Patch-level Gaze Distribution Prediction for Gaze Following [49.93340533068501]
トレーニング後の視線に対するパッチ分布予測(PDP)手法を提案する。本モデルでは,アノテーションの差が大きい画像上でのより優れたヒートマップ分布を予測することにより,MSE損失の正則化を図っている。実験により,ターゲット予測とイン/アウト予測サブタスクのギャップを埋めるモデルが得られた。
論文参考訳（メタデータ） (2022-11-20T19:25:15Z)
Planning with Occluded Traffic Agents using Bi-Level Variational Occlusion Models [37.09462631862042]
閉鎖された交通機関との推論は、自動運転車の計画にとって大きなオープンな課題である。近年のディープラーニングモデルでは、近隣の可視エージェントの挙動に基づいた隠蔽エージェントの予測に顕著な結果が示されている。まず, 隠蔽剤の位置を予測し, 隠蔽剤の軌跡を推定する2段階生成モデルであるBi-level Variational Occlusion Models (BiVO)を提案する。
論文参考訳（メタデータ） (2022-10-26T09:39:31Z)
Leveraging Trajectory Prediction for Pedestrian Video Anomaly Detection [14.740178121212132]
本稿では,未監視歩行者異常事象検出における軌跡の局所化と予測の活用を提案する。提案手法は,正常および異常な歩行者軌跡の予測誤差を利用して,空間的・時間的に異常を検出する。実時間スケールの異なる実世界のベンチマークデータセットについて実験を行い,提案したトラジェクトリ予測に基づく異常検出パイプラインが効率的かつ効率的であることを示す。
論文参考訳（メタデータ） (2022-07-05T19:44:34Z)
Sample-Efficient Optimisation with Probabilistic Transformer Surrogates [66.98962321504085]
本稿では,ベイズ最適化における最先端確率変換器の適用可能性について検討する。トレーニング手順と損失定義から生じる2つの欠点を観察し、ブラックボックス最適化のプロキシとして直接デプロイすることを妨げる。 1)非一様分散点を前処理するBO調整トレーニング,2)予測性能を向上させるために最適な定常点をフィルタする新しい近似後正則整定器トレードオフ精度と入力感度を導入する。
論文参考訳（メタデータ） (2022-05-27T11:13:17Z)
A Two-Block RNN-based Trajectory Prediction from Incomplete Trajectory [14.725386295605666]
本稿では,ベイズフィルタフレームワークの推論ステップを近似した2ブロックRNNモデルを提案する。提案手法は,3つのベースライン計算法と比較して予測精度を向上することを示す。また,提案手法は誤り検出がない場合の基準値よりも予測精度がよいことを示す。
論文参考訳（メタデータ） (2022-03-14T13:39:44Z)
Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
物体検出と追跡から得られる軌道は、必然的にうるさい。本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
論文参考訳（メタデータ） (2022-02-03T09:09:56Z)
MTP: Multi-Hypothesis Tracking and Prediction for Reduced Error Propagation [39.41917241231786]
本稿では,トラッキングモジュールと予測モジュールの結合に着目し,カスケードエラーの問題に対処する。最先端の追跡・予測ツールを用いて,追跡による誤差が予測性能に与える影響を総合的に評価した。このフレームワークは、nuScenesデータセット上で標準の単一仮説追跡予測パイプラインを最大34.2%改善する。
論文参考訳（メタデータ） (2021-10-18T17:30:59Z)
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)

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。