論文の概要: Local and Global Contextual Features Fusion for Pedestrian Intention Prediction

• arxiv url: http://arxiv.org/abs/2305.01111v1
• Date: Mon, 1 May 2023 22:37:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-03 16:01:47.549068
• Title: Local and Global Contextual Features Fusion for Pedestrian Intention Prediction
• Title（参考訳）: 歩行者意図予測のための局所的・グローバル的特徴融合
• Authors: Mohsen Azarmi, Mahdi Rezaei, Tanveer Hussain, Chenghao Qian
• Abstract要約: 我々は歩行者と交通状況の両方の視覚的特徴を分析し分析する。 グローバルな文脈を理解するために、位置、動き、環境情報を利用する。 これらのマルチモダリティ機能は、効果的な意図学習のためにインテリジェントに融合されている。
• 参考スコア（独自算出の注目度）: 2.203209457340481
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous vehicles (AVs) are becoming an indispensable part of future transportation. However, safety challenges and lack of reliability limit their real-world deployment. Towards boosting the appearance of AVs on the roads, the interaction of AVs with pedestrians including "prediction of the pedestrian crossing intention" deserves extensive research. This is a highly challenging task as involves multiple non-linear parameters. In this direction, we extract and analyse spatio-temporal visual features of both pedestrian and traffic contexts. The pedestrian features include body pose and local context features that represent the pedestrian's behaviour. Additionally, to understand the global context, we utilise location, motion, and environmental information using scene parsing technology that represents the pedestrian's surroundings, and may affect the pedestrian's intention. Finally, these multi-modality features are intelligently fused for effective intention prediction learning. The experimental results of the proposed model on the JAAD dataset show a superior result on the combined AUC and F1-score compared to the state-of-the-art.
• Abstract（参考訳）: 自動運転車(AV)は将来の輸送に欠かせない存在になりつつある。 しかし、安全性の課題と信頼性の欠如は、実際のデプロイメントを制限する。 道路でのAVの出現を促進するため、「歩行者横断意図の予測」を含む歩行者との交流は広範な研究に値する。 これは、複数の非線形パラメータを含む非常に難しいタスクです。 この方向では,歩行者および交通状況の時空間的特徴を抽出し,分析する。 歩行者の特徴は、歩行者の行動を表す身体のポーズと局所的な文脈の特徴である。 さらに,グローバルな状況を理解するために,歩行者の周囲を表現し,歩行者の意図に影響を及ぼすシーン解析技術を用いて,位置,動き,環境情報を活用する。 最後に、これらのマルチモーダリティ機能は、効果的な意図予測学習のためにインテリジェントに融合される。 jaadデータセットにおける提案モデルの実験結果は,aucとf1-scoreの組合せにおいて,最先端と比較して優れた結果を示した。

関連論文リスト

• GPT-4V Takes the Wheel: Promises and Challenges for Pedestrian Behavior Prediction [12.613528624623514]
  本研究は,自律運転における歩行者行動予測の文脈において,視覚言語モデル(VLM)の定量的および定性的な評価を行った最初のものである。 JAAD と WiDEVIEW を用いて GPT-4V の評価を行った。 このモデルは、ゼロショット方式で57%の精度で達成されているが、それでもなお、歩行者の横断行動を予測する最先端のドメイン固有モデル(70%)の背後にある。
  論文  参考訳（メタデータ） (2023-11-24T18:02:49Z)
• 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)
• TrouSPI-Net: Spatio-temporal attention on parallel atrous convolutions and U-GRUs for skeletal pedestrian crossing prediction [1.911678487931003]
  本研究では,歩行者の骨格の動態を二元交差意図にリンクさせることにより,都市交通環境における歩行者横断予測に対処する。 コンテクストフリーで軽量で軽量な予測器であるTrouSPI-Netを紹介する。 我々は、TrouSPI-Netを評価し、その性能を解析する。
  論文  参考訳（メタデータ） (2021-09-02T13:54:02Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• Predicting Pedestrian Crossing Intention with Feature Fusion and Spatio-Temporal Attention [0.0]
  歩行者の交差の意図は都市運転のためにリアルタイムで認識されるべきです。 最近の研究は、このタスクに視覚ベースのディープニューラルネットワークモデルを使用することの可能性を示している。 本研究は,歩行者横断意図予測において,本質的に異なる時間的特徴を融合するニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-04-12T14:10:25Z)
• Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
  我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。 歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。 2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
  論文  参考訳（メタデータ） (2021-01-07T06:08:21Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)
• Multi-Modal Hybrid Architecture for Pedestrian Action Prediction [14.032334569498968]
  本研究では,歩行者の横断行動を予測するために,環境から取得したさまざまな情報ソースを組み込んだ新しいマルチモーダル予測アルゴリズムを提案する。 既存の2次元歩行者行動ベンチマークと新たに注釈付けされた3次元運転データセットを用いて,提案モデルが歩行者横断予測における最先端性能を達成することを示す。
  論文  参考訳（メタデータ） (2020-11-16T15:17:58Z)
• 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)
• Pedestrian Action Anticipation using Contextual Feature Fusion in Stacked RNNs [19.13270454742958]
  交差点における歩行者行動予測問題の解法を提案する。 提案手法では,シーン動的・視覚的特徴の両面から収集した情報を徐々にネットワークに融合する新しいRNNアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2020-05-13T20:59:37Z)
• Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
  視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。 本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。 歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
  論文  参考訳（メタデータ） (2020-02-20T18:50:44Z)

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。