論文の概要: Learning a Pedestrian Social Behavior Dictionary

• arxiv url: http://arxiv.org/abs/2212.01426v1
• Date: Fri, 2 Dec 2022 20:16:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 16:58:56.944593
• Title: Learning a Pedestrian Social Behavior Dictionary
• Title（参考訳）: 歩行者社会行動辞書の学習
• Authors: Faith Johnson, Kristin Dana
• Abstract要約: 歩行者行動の学習辞書を探索し,歩行者軌跡のセマンティックな記述を求める。 代わりに、特定の空間で観察される歩行者行動の分類を作成するために、新しい教師なしの枠組みを利用する。 本稿では, 歩行者行動図の作成, 空間利用パターンの可視化, 行動分布の計算のための辞書の有用性について述べる。
• 参考スコア（独自算出の注目度）: 3.04585143845864
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding pedestrian behavior patterns is a key component to building autonomous agents that can navigate among humans. We seek a learned dictionary of pedestrian behavior to obtain a semantic description of pedestrian trajectories. Supervised methods for dictionary learning are impractical since pedestrian behaviors may be unknown a priori and the process of manually generating behavior labels is prohibitively time consuming. We instead utilize a novel, unsupervised framework to create a taxonomy of pedestrian behavior observed in a specific space. First, we learn a trajectory latent space that enables unsupervised clustering to create an interpretable pedestrian behavior dictionary. We show the utility of this dictionary for building pedestrian behavior maps to visualize space usage patterns and for computing the distributions of behaviors. We demonstrate a simple but effective trajectory prediction by conditioning on these behavior labels. While many trajectory analysis methods rely on RNNs or transformers, we develop a lightweight, low-parameter approach and show results comparable to SOTA on the ETH and UCY datasets.
• Abstract（参考訳）: 歩行者の行動パターンを理解することは、人間同士をナビゲートできる自律的なエージェントを構築する上で重要な要素である。 歩行者行動の学習辞書を探索し,歩行者軌跡のセマンティックな記述を求める。 辞書学習の指導方法は、歩行者の行動が未熟である可能性があり、手動で行動ラベルを生成するプロセスが違法に時間を要するため、実用的ではない。 代わりに、特定の空間で観察される歩行者行動の分類を作成するために、新しい教師なしの枠組みを利用する。 まず,教師なしクラスタリングによって解釈可能な歩行者行動辞書を作成できる軌道潜在空間を学習する。 本稿では,空間利用パターンの可視化と行動分布の計算に,歩行者行動マップを構築するための辞書の有用性を示す。 これらの挙動ラベルを条件付けして, 簡便かつ効果的な軌道予測を行う。 多くの軌道解析手法はRNNやトランスフォーマーに依存しているが、我々は軽量で低パラメータなアプローチを開発し、ETHおよびUCYデータセットのSOTAに匹敵する結果を示す。

関連論文リスト

• Pedestrian Motion Prediction Using Transformer-based Behavior Clustering and Data-Driven Reachability Analysis [1.8963583458350768]
  本稿では,過去の軌跡データに基づいて,将来の歩行者状態を予測するためのトランスフォーマーベースのフレームワークを提案する。 階層的密度に基づくクラスタリングと組み合わされた変換器エンコーダを用いて、多様な行動パターンを自動的に識別する。 これらの行動クラスタは、歩行者の将来の動きを予測するために、エンドツーエンドのデータ駆動アプローチによって、データ駆動の到達可能性分析に使用できることを示す。
  論文  参考訳（メタデータ） (2024-08-09T07:24:30Z)
• Dictionary Learning Improves Patch-Free Circuit Discovery in Mechanistic Interpretability: A Case Study on Othello-GPT [59.245414547751636]
  本稿では,アクティベーションパッチに代わる回路発見フレームワークを提案する。 当社のフレームワークはアウト・オブ・ディストリビューション(out-of-distribution)に悩まされており、複雑さの観点からより効率的であることが証明されています。 我々はOthelloという名前の合成タスクで訓練された小さなトランスフォーマーを掘り下げ、その内部に人間に理解可能な微細な回路がいくつかある。
  論文  参考訳（メタデータ） (2024-02-19T15:04:53Z)
• 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)
• Explainable Trajectory Representation through Dictionary Learning [7.567576186354494]
  ネットワーク上での軌道表現学習は、車両交通パターンの理解を高める。 古典的な機械学習やディープラーニングを使った既存のアプローチは、解釈性に欠ける高密度ベクトルとして軌道を埋め込む。 本稿では,辞書学習を通して記述可能な軌道表現学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-13T10:59:54Z)
• Inferring Versatile Behavior from Demonstrations by Matching Geometric Descriptors [72.62423312645953]
  人間は直感的にタスクを多目的に解決し、軌道に基づく計画や個々のステップの行動を変化させる。 現在のImitation Learningアルゴリズムは、通常、単調な専門家によるデモンストレーションのみを考慮し、状態アクションベースの設定で行動する。 代わりに、移動プリミティブの混合と分布マッチングの目的を組み合わせることで、専門家の行動と汎用性にマッチする多目的行動を学ぶ。
  論文  参考訳（メタデータ） (2022-10-17T16:42:59Z)
• PedFormer: Pedestrian Behavior Prediction via Cross-Modal Attention Modulation and Gated Multitask Learning [10.812772606528172]
  本研究では,エゴ中心の視点から,歩行者の将来の軌跡や横断行動を予測するために,異なるデータモダリティに依存する新しい枠組みを提案する。 本モデルでは, トラジェクトリとアクション予測の精度を, それぞれ22%, 13%向上した。
  論文  参考訳（メタデータ） (2022-10-14T15:12:00Z)
• 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)
• Coupling Intent and Action for Pedestrian Crossing Behavior Prediction [25.54455403877285]
  本研究では, 歩行者の横断行動について, 未観測の内的意志と多種多様な行動の組み合わせとして定義するために, 神経科学と心理学の文献に従う。 将来の歩行者行動を予測し、予測された将来の行動を事前に利用し、歩行者の現在の意図と行動を検出する新しいマルチタスクネットワークを提示する。
  論文  参考訳（メタデータ） (2021-05-10T06:26:25Z)
• Hidden Footprints: Learning Contextual Walkability from 3D Human Trails [70.01257397390361]
  現在のデータセットは、人々がどこにいるか、どこにいるかを教えてくれません。 まず、画像間で人の観察を伝播させ、3D情報を利用して、私たちが「隠れ足跡」と呼ぶものを作成することで、有効なラベル付き歩行可能領域の集合を拡大する。 このようなスパースラベルのために設計されたトレーニング戦略を考案し、クラスバランスの分類損失と文脈逆転損失を組み合わせた。
  論文  参考訳（メタデータ） (2020-08-19T23:19:08Z)

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。