Fugu-MT 論文翻訳(概要): Representing Spatial Trajectories as Distributions

論文の概要: Representing Spatial Trajectories as Distributions

arxiv url: http://arxiv.org/abs/2210.01322v1
Date: Tue, 4 Oct 2022 02:35:50 GMT
ステータス: 処理完了
システム内更新日: 2022-10-05 13:04:16.335513
Title: Representing Spatial Trajectories as Distributions
Title（参考訳）: 分布として空間軌道を表現する
Authors: D\'idac Sur\'is, Carl Vondrick
Abstract要約: 学習された潜在空間の確率分布として軌道の部分的な観測を表現している。我々のフレームワークは、任意の連続点の軌道から、補間と外挿の両方のサンプルを得ることを可能にする。
参考スコア（独自算出の注目度）: 26.390932886877614
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a representation learning framework for spatial trajectories. We represent partial observations of trajectories as probability distributions in a learned latent space, which characterize the uncertainty about unobserved parts of the trajectory. Our framework allows us to obtain samples from a trajectory for any continuous point in time, both interpolating and extrapolating. Our flexible approach supports directly modifying specific attributes of a trajectory, such as its pace, as well as combining different partial observations into single representations. Experiments show our method's advantage over baselines in prediction tasks.
Abstract（参考訳）: 空間軌道の表現学習フレームワークを提案する。トラジェクタリーの部分的観測を学習潜在空間における確率分布として表現し, 軌道の観測されていない部分の不確かさを特徴付ける。我々のフレームワークは、任意の連続点の軌道から、補間と外挿の両方のサンプルを得ることができる。我々の柔軟なアプローチは、軌道の特定の特性、例えばその速度を直接修正することをサポートし、異なる部分的な観察を単一の表現に組み合わせる。実験により,予測タスクのベースラインに対する手法の優位性を示す。

関連論文リスト

Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
論文参考訳（メタデータ） (2024-02-13T09:40:19Z)
Distributed Markov Chain Monte Carlo Sampling based on the Alternating Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文参考訳（メタデータ） (2024-01-29T02:08:40Z)
Enhancing Trajectory Prediction through Self-Supervised Waypoint Noise Prediction [9.385936248154987]
軌道予測は、未来の軌道を予測するために、交通機関の不確定の性質をモデル化する重要なタスクである。 SSWNP(Self-Supervised Waypoint Noise Prediction)と呼ばれる新しい手法を提案する。提案手法では,経路点の空間的領域にまたがる過去の観測軌跡の,クリーンでノイズを増進したビューを作成する。
論文参考訳（メタデータ） (2023-11-26T19:03:41Z)
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)
Unsupervised Interpretable Basis Extraction for Concept-Based Visual Explanations [53.973055975918655]
提案手法を用いて抽出したベースに変換すると,中間層表現がより解釈可能であることを示す。提案手法は,提案手法を教師付きアプローチから抽出したベースと,教師付き手法から抽出したベースを比較した結果,教師なし手法は教師付き手法の限界を構成する強みを有し,今後の研究の方向性を示す。
論文参考訳（メタデータ） (2023-03-19T00:37:19Z)
Wrapped Distributions on homogeneous Riemannian manifolds [58.720142291102135]
パラメータ、対称性、モダリティなどの分布の性質の制御は、フレキシブルな分布の族を生み出す。変動型オートエンコーダと潜在空間ネットワークモデル内で提案した分布を利用して,我々のアプローチを実証的に検証する。
論文参考訳（メタデータ） (2022-04-20T21:25:21Z)
End-to-End Trajectory Distribution Prediction Based on Occupancy Grid Maps [29.67295706224478]
本稿では,実世界における移動エージェントの将来の軌跡分布を予測することを目的としている。我々は、接地構造分布に対する明示的かつシーン順応的な近似として、占有格子マップを用いて対称的クロスエントロピーで分布を学習する。実験では,Stanford Drone データセットとIntersection Drone データセットの最先端性能を実現する。
論文参考訳（メタデータ） (2022-03-31T09:24:32Z)
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)
Outlier Detection for Trajectories via Flow-embeddings [2.66418345185993]
本稿では, 単体錯体でモデル化した離散化多様体上での実験的に観測された軌道の外れ値を検出する手法を提案する。我々のアプローチは拡散写像やラプラシア固有写像のようなスペクトル埋め込みと似ており、低固有値に関連するグラフラプラシアンの固有ベクトルから埋め込みを構成する。本手法は, 一般的な軌跡と(位相的に)異なる挙動の軌跡を抽出し, 合成データと経験データの両方を用いて, アプローチの性能を示す。
論文参考訳（メタデータ） (2021-11-25T19:58:48Z)
Personalized Trajectory Prediction via Distribution Discrimination [78.69458579657189]
トラリミー予測は将来の力学のマルチモーダルな性質を捉えるジレンマと対立する。本研究では,パーソナライズされた動作パターンを予測するDisDisDis(Disdis)手法を提案する。本手法は,プラグイン・アンド・プレイモジュールとして既存のマルチモーダル予測モデルと統合することができる。
論文参考訳（メタデータ） (2021-07-29T17:42:12Z)
Pattern Ensembling for Spatial Trajectory Reconstruction [1.1087735229999818]
類似の軌跡パターンを局所的近傍から使用し,行方不明または信頼性の低い観測をロバストに再構成する手法を提案する。本手法は,実世界の軌跡の類似性を効果的に活用することにより,拡張長と複素幾何学の欠落した軌跡セグメントを再構成するのに役立つ。
論文参考訳（メタデータ） (2021-01-25T01:44:00Z)

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。