論文の概要: Likely, Light, and Accurate Context-Free Clusters-based Trajectory Prediction

• arxiv url: http://arxiv.org/abs/2307.14788v1
• Date: Thu, 27 Jul 2023 11:29:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-28 14:40:40.514225
• Title: Likely, Light, and Accurate Context-Free Clusters-based Trajectory Prediction
• Title（参考訳）: 同様に、光と文脈自由クラスタに基づく軌道予測
• Authors: Tiago Rodrigues de Almeida and Oscar Martinez Mozos
• Abstract要約: 本稿では,従来の手法よりも分散シフトに対処可能な,自己条件付きGANという,より深い特徴クラスタリング手法を提案する。 また,生成した軌道に確率を割り当てる新しい距離ベースランキングの提案も提案する。 全体システムは、人間と道路エージェントの軌跡データにおける文脈自由な深層生成モデルを上回る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Autonomous systems in the road transportation network require intelligent mechanisms that cope with uncertainty to foresee the future. In this paper, we propose a multi-stage probabilistic approach for trajectory forecasting: trajectory transformation to displacement space, clustering of displacement time series, trajectory proposals, and ranking proposals. We introduce a new deep feature clustering method, underlying self-conditioned GAN, which copes better with distribution shifts than traditional methods. Additionally, we propose novel distance-based ranking proposals to assign probabilities to the generated trajectories that are more efficient yet accurate than an auxiliary neural network. The overall system surpasses context-free deep generative models in human and road agents trajectory data while performing similarly to point estimators when comparing the most probable trajectory.
• Abstract（参考訳）: 道路交通網の自律システムは、未来を予見するために不確実性に対応するインテリジェントなメカニズムを必要とする。 本稿では, 軌道予測のための多段確率的手法を提案する。変位空間への軌道変換, 変位時系列のクラスタリング, 軌道提案, ランキング提案である。 本稿では,従来の手法よりも分散シフトに優れた自己条件付きGANという,より深い特徴クラスタリング手法を提案する。 さらに,ニューラルネットワークよりも効率的かつ高精度な生成軌道に確率を割り当てるための,距離に基づく新たなランキング提案を提案する。 システム全体は、最も可能性の高い軌道を比較する際にポイント推定器と同様に実行しながら、人間および道路エージェントの軌道データにおけるコンテキストフリーな深層生成モデルを超える。

関連論文リスト

• WTTFNet: A Weather-Time-Trajectory Fusion Network for Pedestrian Trajectory Prediction in Urban Complex [0.44531072184246007]
  ベースラインディープニューラルネットワークアーキテクチャの性能向上を目的として,新しい気象時トラジェクトリ融合ネットワーク(WTTFNet)を提案する。 歩行者施設工学、公共空間開発、技術主導の小売など、多くの用途で利用することができる。
  論文  参考訳（メタデータ） (2024-05-29T09:56:54Z)
• Hallmarks of Optimization Trajectories in Neural Networks: Directional Exploration and Redundancy [75.15685966213832]
  最適化トラジェクトリのリッチな方向構造をポイントワイズパラメータで解析する。 トレーニング中のスカラーバッチノルムパラメータは,ネットワーク全体のトレーニング性能と一致していることを示す。
  論文  参考訳（メタデータ） (2024-03-12T07:32:47Z)
• Mixed Gaussian Flow for Diverse Trajectory Prediction [78.00204650749453]
  混合ガウスを将来の軌跡多様体に変換するためのフローベースモデルを提案する。 このモデルでは、多様な軌道パターンを生成する能力が向上している。 また,多様な,制御可能な,分布外のトラジェクトリを生成可能であることも実証した。
  論文  参考訳（メタデータ） (2024-02-19T15:48:55Z)
• Flexible Multi-Generator Model with Fused Spatiotemporal Graph for Trajectory Prediction [2.1638817206926855]
  軌道予測は、自動車レーダーシステムにおいて重要な役割を果たす。 将来の軌道上の分布を学習する能力を持つ生成的敵ネットワークは、分布外サンプルを予測する傾向がある。 本稿では,歩行者軌跡の社会的相互作用を捉え,不連結な変動をモデル化する軌道予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-06T02:46:05Z)
• 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)
• Adaptive Trajectory Prediction via Transferable GNN [74.09424229172781]
  本稿では,トランジタブルグラフニューラルネットワーク(Transferable Graph Neural Network, T-GNN)フレームワークを提案する。 具体的には、ドメイン固有知識が減少する構造運動知識を探索するために、ドメイン不変GNNを提案する。 さらに,注目に基づく適応的知識学習モジュールを提案し,知識伝達のための詳細な個別レベルの特徴表現について検討した。
  論文  参考訳（メタデータ） (2022-03-09T21:08:47Z)
• Probabilistic Trajectory Prediction with Structural Constraints [38.90152893402733]
  この研究は、環境中の動的物体の運動軌跡を予測する問題に対処する。 最近の動きパターン予測の進歩は、しばしば観察された軌跡から動きパターンを外挿する機械学習技術に依存している。 本稿では,確率論的学習と制約付き軌道最適化を組み合わせた新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-09T03:48:14Z)
• Spatio-Temporal Graph Dual-Attention Network for Multi-Agent Prediction and Tracking [23.608125748229174]
  異種エージェントを含む多エージェント軌道予測のための汎用生成ニューラルシステムを提案する。 提案システムは, 軌道予測のための3つのベンチマークデータセット上で評価される。
  論文  参考訳（メタデータ） (2021-02-18T02:25:35Z)
• 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)
• TPNet: Trajectory Proposal Network for Motion Prediction [81.28716372763128]
  Trajectory Proposal Network (TPNet) は、新しい2段階の動作予測フレームワークである。 TPNetはまず、仮説の提案として将来の軌道の候補セットを生成し、次に提案の分類と修正によって最終的な予測を行う。 4つの大規模軌道予測データセットの実験は、TPNetが定量的かつ定性的に、最先端の結果を達成することを示した。
  論文  参考訳（メタデータ） (2020-04-26T00:01:49Z)
• Multi-Head Attention based Probabilistic Vehicle Trajectory Prediction [10.905596145969223]
  マルチヘッドアテンションに基づく簡単なエンコーダ・デコーダアーキテクチャを提案する。 提案モデルでは,複数の車両に対して並列に予測された軌道の分布を生成する。
  論文  参考訳（メタデータ） (2020-04-08T06:58:51Z)

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。