論文の概要: A Novel Benchmarking Paradigm and a Scale- and Motion-Aware Model for
Egocentric Pedestrian Trajectory Prediction
- arxiv url: http://arxiv.org/abs/2310.10424v1
- Date: Mon, 16 Oct 2023 14:08:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 13:55:16.785325
- Title: A Novel Benchmarking Paradigm and a Scale- and Motion-Aware Model for
Egocentric Pedestrian Trajectory Prediction
- Title（参考訳）: エゴセントリック歩行者軌道予測のための新しいベンチマークパラダイムとスケール・アンド・モーション・アウェアモデル
- Authors: Amir Rasouli
- Abstract要約: 我々は,エゴセントリックな歩行者軌道予測アルゴリズムを評価するための新しいパラダイムを提案する。
我々は,挑戦的なシナリオにおいて,我々のアプローチが最大40%の大幅な改善を実現していることを示す。
- 参考スコア（独自算出の注目度）: 7.306417438683524
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predicting pedestrian behavior is one of the main challenges for intelligent
driving systems. In this paper, we present a new paradigm for evaluating
egocentric pedestrian trajectory prediction algorithms. Based on various
contextual information, we extract driving scenarios for a meaningful and
systematic approach to identifying challenges for prediction models. In this
regard, we also propose a new metric for more effective ranking within the
scenario-based evaluation. We conduct extensive empirical studies of existing
models on these scenarios to expose shortcomings and strengths of different
approaches. The scenario-based analysis highlights the importance of using
multimodal sources of information and challenges caused by inadequate modeling
of ego-motion and scale of pedestrians. To this end, we propose a novel
egocentric trajectory prediction model that benefits from multimodal sources of
data fused in an effective and efficient step-wise hierarchical fashion and two
auxiliary tasks designed to learn more robust representation of scene dynamics.
We show that our approach achieves significant improvement by up to 40% in
challenging scenarios compared to the past arts via empirical evaluation on
common benchmark datasets.
- Abstract（参考訳）: 歩行者の行動を予測することは、インテリジェントな運転システムの主要な課題の1つだ。
本稿では,エゴセントリック歩行者軌跡予測アルゴリズムを評価するための新しいパラダイムを提案する。
様々な文脈情報に基づいて,予測モデルの課題を特定するための有意義かつ体系的なアプローチのための運転シナリオを抽出する。
また,シナリオベース評価において,より効果的なランク付けのための新しい指標を提案する。
これらのシナリオにおける既存モデルの広範な実証的研究を行い、異なるアプローチの欠点と強みを明らかにする。
シナリオベース分析では,エゴ運動の不十分なモデリングと歩行者の規模によって引き起こされる,多モーダルな情報ソースの利用の重要性を強調した。
そこで本研究では,効率的なステップワイド階層方式で融合したマルチモーダルなデータソースと,シーンダイナミクスのより堅牢な表現を学習するための2つの補助的タスクの利点を活かした,エゴセントリックな軌道予測モデルを提案する。
共通ベンチマークデータセットを用いた経験的評価により,過去の手法と比較して,課題シナリオにおいて最大40%の大幅な改善が達成できることを示す。
関連論文リスト
- Motion Forecasting via Model-Based Risk Minimization [8.766024024417316]
複数モデルの予測に基づく軌道予測に適用可能な新しいサンプリング手法を提案する。
まず、予測確率に基づく従来のサンプリングは、モデル間のアライメントの欠如により性能を低下させることができることを示す。
基礎学習者として最先端モデルを用いて,最適軌道サンプリングのための多種多様な効果的なアンサンブルを構築した。
論文 参考訳（メタデータ） (2024-09-16T09:03:28Z) - Enhanced Prediction of Multi-Agent Trajectories via Control Inference and State-Space Dynamics [14.694200929205975]
本稿では,状態空間動的システムモデリングに基づく軌道予測の新しい手法を提案する。
動的システムにおける状態推定の精度を高めるために,制御変数に対する新しいモデリング手法を提案する。
提案手法は,グラフニューラルネットワークと状態空間モデルを統合し,マルチエージェント相互作用の複雑さを効果的に捉える。
論文 参考訳（メタデータ） (2024-08-08T08:33:02Z) - QualEval: Qualitative Evaluation for Model Improvement [82.73561470966658]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳（メタデータ） (2023-11-06T00:21:44Z) - JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。
このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。
本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文 参考訳（メタデータ） (2023-11-05T18:59:31Z) - DICE: Diverse Diffusion Model with Scoring for Trajectory Prediction [7.346307332191997]
本稿では,拡散モデルを用いて将来の軌跡を計算的に効率的に予測するフレームワークを提案する。
提案手法は, 試料軌道数を最大化し, 精度を向上させるための効率的なサンプリング機構である。
本研究では,一般歩行者(UCY/ETH)と自律走行(nuScenes)のベンチマークデータを用いて,経験的評価を行うことによるアプローチの有効性を示す。
論文 参考訳（メタデータ） (2023-10-23T05:04:23Z) - Are Neural Topic Models Broken? [81.15470302729638]
トピックモデルの自動評価と人的評価の関係について検討する。
ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
論文 参考訳（メタデータ） (2022-10-28T14:38:50Z) - LatentFormer: Multi-Agent Transformer-Based Interaction Modeling and
Trajectory Prediction [12.84508682310717]
将来の車両軌道予測のためのトランスフォーマーモデルであるLatentFormerを提案する。
提案手法をnuScenesベンチマークデータセット上で評価し,提案手法が最先端性能を実現し,トラジェクトリ指標を最大40%向上することを示す。
論文 参考訳（メタデータ） (2022-03-03T17:44:58Z) - Divide-and-Conquer for Lane-Aware Diverse Trajectory Prediction [71.97877759413272]
軌道予測は、自動運転車が行動を計画し実行するための安全クリティカルなツールです。
近年の手法は,WTAやベスト・オブ・マニーといったマルチコース学習の目標を用いて,強力なパフォーマンスを実現している。
我々の研究は、軌道予測、学習出力、そして運転知識を使って制約を課すことによるより良い予測における2つの重要な課題に対処する。
論文 参考訳（メタデータ） (2021-04-16T17:58:56Z) - Forethought and Hindsight in Credit Assignment [62.05690959741223]
我々は、前向きモデルや後向きモデルによる後向き操作による予測として使われる計画の利益と特異性を理解するために活動する。
本稿では,予測を(再)評価すべき状態の選択に主眼を置いて,計画におけるモデルの利用について検討する。
論文 参考訳（メタデータ） (2020-10-26T16:00:47Z) - Pedestrian Trajectory Prediction with Convolutional Neural Networks [0.3787359747190393]
本稿では,新しい2次元畳み込みモデルを導入し,歩行者軌道予測への新たなアプローチを提案する。
この新モデルはリカレントモデルより優れており、ETHとTrajNetデータセットの最先端の結果が得られる。
また,歩行者の位置と強力なデータ拡張手法を効果的に表現するシステムを提案する。
論文 参考訳（メタデータ） (2020-10-12T15:51:01Z) - SMART: Simultaneous Multi-Agent Recurrent Trajectory Prediction [72.37440317774556]
本稿では,将来の軌道予測における2つの重要な課題に対処する手法を提案する。
エージェントの数に関係なく、トレーニングデータと予測と一定時間の推測の両方において、マルチモーダリティ。
論文 参考訳（メタデータ） (2020-07-26T08:17:10Z)
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。