論文の概要: SocialCircle: Learning the Angle-based Social Interaction Representation for Pedestrian Trajectory Prediction

• arxiv url: http://arxiv.org/abs/2310.05370v1
• Date: Mon, 9 Oct 2023 02:59:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 08:00:06.770919
• Title: SocialCircle: Learning the Angle-based Social Interaction Representation for Pedestrian Trajectory Prediction
• Title（参考訳）: SocialCircle: 歩行者軌道予測のためのアングルに基づくソーシャルインタラクション表現の学習
• Authors: Conghao Wong, Beihao Xia, Xinge You
• Abstract要約: 我々は、社会的相互作用の文脈を継続的に反映する、新しいアングルベースのトレーニング可能なソーシャル表現、SocialCircleを構築した。 提案するSocialCircleの効果を,新たにリリースされたトラジェクトリ予測モデルとともにトレーニングすることで検証する。 実験によると、SocialCircleは予測性能を定量的に改善するだけでなく、質的にも社会的相互作用をよりよく考えるのに役立つ。
• 参考スコア（独自算出の注目度）: 12.572474346686542
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Analyzing and forecasting trajectories of agents like pedestrians and cars in complex scenes has become more and more significant in many intelligent systems and applications. The diversity and uncertainty in socially interactive behaviors among a rich variety of agents make this task more challenging than other deterministic computer vision tasks. Researchers have made a lot of efforts to quantify the effects of these interactions on future trajectories through different mathematical models and network structures, but this problem has not been well solved. Inspired by marine animals that localize the positions of their companions underwater through echoes, we build a new anglebased trainable social representation, named SocialCircle, for continuously reflecting the context of social interactions at different angular orientations relative to the target agent. We validate the effect of the proposed SocialCircle by training it along with several newly released trajectory prediction models, and experiments show that the SocialCircle not only quantitatively improves the prediction performance, but also qualitatively helps better consider social interactions when forecasting pedestrian trajectories in a way that is consistent with human intuitions.
• Abstract（参考訳）: 複雑な場面における歩行者や車などのエージェントの軌跡の分析と予測は、多くのインテリジェントシステムや応用においてますます重要になっている。 多様なエージェント間の社会的にインタラクティブな行動における多様性と不確実性は、このタスクを他の決定論的コンピュータビジョンタスクよりも難しくする。 研究者は、様々な数学的モデルとネットワーク構造を通して、これらの相互作用が将来の軌道に与える影響を定量化するために多くの努力をしてきたが、この問題は十分に解決されていない。 水中の仲間の位置をエコーでローカライズする海洋動物にインスパイアされた私たちは、ターゲットエージェントに対して異なる角度方向のソーシャルインタラクションのコンテキストを継続的に反映するために、socialcircleと呼ばれる新しいアングルベースの訓練可能な社会表現を構築しました。 提案する社会循環の効果を,新たに発表された軌道予測モデルと合わせて検証し,社会循環が予測性能を定量的に改善するだけでなく,人間の直観と一致する方法で歩行者の軌跡を予測する際の社会的相互作用を質的に検討する上で有効であることを示した。

関連論文リスト

• SocialCircle+: Learning the Angle-based Conditioned Interaction Representation for Pedestrian Trajectory Prediction [10.240007698680097]
  本論文は,軌道予測ネットワークにおける説明可能性と条件条件性に焦点をあてる。 本研究は, 海産動物が他の動物や水中環境をエコーロケーションで知覚し, アングルに基づく条件付き社会相互作用表現SocialCircle+を構築した。 実験は、異なる軌道予測バックボーンを持つSocialCircle+の優位性を示す。
  論文  参考訳（メタデータ） (2024-09-23T13:02:12Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Social-DualCVAE: Multimodal Trajectory Forecasting Based on Social Interactions Pattern Aware and Dual Conditional Variational Auto-Encoder [14.05141917351931]
  マルチモーダル軌道予測のための条件付き変分自動エンコーダ(Social-DualCVAE)を提案する。 これは、過去の軌跡だけでなく、教師なしの相互作用パターンの分類にもとづく生成モデルに基づいている。 提案手法は,広く用いられているトラジェクトリ・ベンチマークで評価され,従来の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-02-08T16:04:47Z)
• SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction [59.064925464991056]
  ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。 SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。 公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-12-05T01:49:18Z)
• PHASE: PHysically-grounded Abstract Social Events for Machine Social Perception [50.551003004553806]
  私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。 フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。 ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
  論文  参考訳（メタデータ） (2021-03-02T18:44:57Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)

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。