論文の概要: Another Vertical View: A Hierarchical Network for Heterogeneous Trajectory Prediction via Spectrums

• arxiv url: http://arxiv.org/abs/2304.05106v1
• Date: Tue, 11 Apr 2023 10:04:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-12 15:33:19.955576
• Title: Another Vertical View: A Hierarchical Network for Heterogeneous Trajectory Prediction via Spectrums
• Title（参考訳）: 別の垂直視点:スペクトルによる不均一軌道予測のための階層的ネットワーク
• Authors: Conghao Wong and Beihao Xia and Qinmu Peng and Xinge You
• Abstract要約: 軌跡を階層的にモデル化・予測するための軌跡予測のための「新しいビュー」を導入する。 両線形構造を用いて、周波数応答と次元的相互作用を含む2つの因子を融合させ、異種軌道の予測を行う。 実験により、提案モデルは、ETH-UCY、Stanford Droneデータセット、異種軌道を持つnuScenesにおいて、最先端の手法よりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 12.027461755281326
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the fast development of AI-related techniques, the applications of trajectory prediction are no longer limited to easier scenes and trajectories. More and more heterogeneous trajectories with different representation forms, such as 2D or 3D coordinates, 2D or 3D bounding boxes, and even high-dimensional human skeletons, need to be analyzed and forecasted. Among these heterogeneous trajectories, interactions between different elements within a frame of trajectory, which we call the ``Dimension-Wise Interactions'', would be more complex and challenging. However, most previous approaches focus mainly on a specific form of trajectories, which means these methods could not be used to forecast heterogeneous trajectories, not to mention the dimension-wise interaction. Besides, previous methods mostly treat trajectory prediction as a normal time sequence generation task, indicating that these methods may require more work to directly analyze agents' behaviors and social interactions at different temporal scales. In this paper, we bring a new ``view'' for trajectory prediction to model and forecast trajectories hierarchically according to different frequency portions from the spectral domain to learn to forecast trajectories by considering their frequency responses. Moreover, we try to expand the current trajectory prediction task by introducing the dimension $M$ from ``another view'', thus extending its application scenarios to heterogeneous trajectories vertically. Finally, we adopt the bilinear structure to fuse two factors, including the frequency response and the dimension-wise interaction, to forecast heterogeneous trajectories via spectrums hierarchically in a generic way. Experiments show that the proposed model outperforms most state-of-the-art methods on ETH-UCY, Stanford Drone Dataset and nuScenes with heterogeneous trajectories, including 2D coordinates, 2D and 3D bounding boxes.
• Abstract（参考訳）: AI関連の技術の急速な発展により、軌道予測の応用は、より簡単なシーンや軌道に限らない。 2Dまたは3D座標や2Dまたは3D境界ボックス、さらには高次元の人間の骨格など、表現形態の異なるより異質な軌道を解析・予測する必要がある。 これらの異種軌道のうち、軌道のフレーム内の異なる要素間の相互作用は「次元的相互作用」と呼ばれ、より複雑で困難である。 しかし、従来のほとんどのアプローチは、主に特定の形の軌跡に焦点をあてており、つまり、これらの手法は次元的な相互作用だけでなく、異種軌跡の予測には使用できなかった。 さらに、従来の手法は軌道予測を通常の時間列生成タスクとして扱うことが多く、エージェントの行動や社会的相互作用を異なる時間スケールで直接分析する作業がより必要であることを示している。 本稿では,スペクトル領域の異なる周波数領域に階層的に分布する軌跡をモデル化・予測し,その周波数応答を考慮して軌跡予測を学ぶために,軌跡予測のための新しい「ビュー」を提案する。 さらに, ``another view'' から $m$ 次元を導入することで,現在の軌道予測タスクを拡張して,その適用シナリオを垂直に異種軌道へ拡張する。 最後に、周波数応答と次元的相互作用を含む2つの因子を融合する双線型構造を用いて、スペクトルを階層的に階層的に予測する。 実験の結果,提案手法はETH-UCY,Stanford Drone Dataset,nuScenesにおいて,2次元座標,2次元および3次元境界ボックスを含む異種軌道を用いた手法よりも優れていた。

関連論文リスト

• StreamMOTP: Streaming and Unified Framework for Joint 3D Multi-Object Tracking and Trajectory Prediction [22.29257945966914]
  我々は3次元多目的追跡・軌道予測(StreamMOTP)のためのストリーミング統合フレームワークを提案する。 ストリーミング方式でモデルを構築し、メモリバンクを利用して、追跡対象の長期潜伏機能をより効果的に保存し、活用する。 また,予測トラジェクタの品質と一貫性を2ストリーム予測器で改善する。
  論文  参考訳（メタデータ） (2024-06-28T11:35:35Z)
• STGlow: A Flow-based Generative Framework with Dual Graphormer for Pedestrian Trajectory Prediction [22.553356096143734]
  歩行者軌跡予測(STGlow)のための二重グラフマーを用いた新しい生成フローベースフレームワークを提案する。 本手法は,動作の正確なログライクな振る舞いを最適化することにより,基礎となるデータ分布をより正確にモデル化することができる。 いくつかのベンチマークによる実験結果から,本手法は従来の最先端手法に比べて性能が向上することが示された。
  論文  参考訳（メタデータ） (2022-11-21T07:29:24Z)
• D2-TPred: Discontinuous Dependency for Trajectory Prediction under Traffic Lights [68.76631399516823]
  本稿では,空間的動的相互作用グラフ(SDG)と行動依存グラフ(BDG)を用いて,交通信号に対する軌道予測手法D2-TPredを提案する。 実験の結果,VTP-TLではADEとFDEでそれぞれ20.45%,20.78%以上を達成できた。
  論文  参考訳（メタデータ） (2022-07-21T10:19:07Z)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• Trajectory Prediction with Graph-based Dual-scale Context Fusion [43.51107329748957]
  本稿では,Dual Scale Predictorというグラフベースの軌道予測ネットワークを提案する。 静的および動的駆動コンテキストを階層的にエンコードする。 提案したデュアルスケールコンテキスト融合ネットワークにより、DSPは正確で人間らしいマルチモーダル軌道を生成することができる。
  論文  参考訳（メタデータ） (2021-11-02T13:42:16Z)
• 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)
• Haar Wavelet based Block Autoregressive Flows for Trajectories [129.37479472754083]
  歩行者等の軌道予測は,自律型エージェントの性能向上に不可欠である。 本稿では分割結合を利用した新しいハールウェーブレットに基づくブロック自己回帰モデルを提案する。 実世界の2つのデータセット上で、多種多様な正確な軌跡を生成するアプローチの利点について説明する。
  論文  参考訳（メタデータ） (2020-09-21T13:57:10Z)
• BiTraP: Bi-directional Pedestrian Trajectory Prediction with Multi-modal Goal Estimation [28.10445924083422]
  BiTraPはCVAEに基づく目標条件付き双方向マルチモーダル軌道予測手法である。 BiTraPは、FPV(First-person view)とBEV(Bird's-eye view)の両方のシナリオに一般化し、最先端の結果を10～50%上回る。
  論文  参考訳（メタデータ） (2020-07-29T02:40:17Z)
• Disentangling and Unifying Graph Convolutions for Skeleton-Based Action Recognition [79.33539539956186]
  本稿では,マルチスケールグラフ畳み込みと,G3Dという空間時間グラフ畳み込み演算子を結合する簡単な方法を提案する。 これらの提案を結合することにより,MS-G3Dという強力な特徴抽出器を開発し,そのモデルが3つの大規模データセット上で従来の最先端手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-31T11:28:25Z)
• 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。