論文の概要: WildGEN: Long-horizon Trajectory Generation for Wildlife

• arxiv url: http://arxiv.org/abs/2401.05421v1
• Date: Sat, 30 Dec 2023 05:08:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 08:21:33.613274
• Title: WildGEN: Long-horizon Trajectory Generation for Wildlife
• Title（参考訳）: 野生動物のための長距離水平軌道生成
• Authors: Ali Al-Lawati, Elsayed Eshra, Prasenjit Mitra
• Abstract要約: 軌道生成は歩行者、車両、野生動物の運動研究において重要な関心事である。 本研究では,変分オートエンコーダ(VAE)に基づく手法を用いて,この問題に対処する概念的フレームワークWildGENを紹介する。 その後、スムーズなフィルタに基づいて生成された軌跡の後の処理工程を行い、過度のさまよりを低減する。
• 参考スコア（独自算出の注目度）: 3.8986045286948
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Trajectory generation is an important concern in pedestrian, vehicle, and wildlife movement studies. Generated trajectories help enrich the training corpus in relation to deep learning applications, and may be used to facilitate simulation tasks. This is especially significant in the wildlife domain, where the cost of obtaining additional real data can be prohibitively expensive, time-consuming, and bear ethical considerations. In this paper, we introduce WildGEN: a conceptual framework that addresses this challenge by employing a Variational Auto-encoders (VAEs) based method for the acquisition of movement characteristics exhibited by wild geese over a long horizon using a sparse set of truth samples. A subsequent post-processing step of the generated trajectories is performed based on smoothing filters to reduce excessive wandering. Our evaluation is conducted through visual inspection and the computation of the Hausdorff distance between the generated and real trajectories. In addition, we utilize the Pearson Correlation Coefficient as a way to measure how realistic the trajectories are based on the similarity of clusters evaluated on the generated and real trajectories.
• Abstract（参考訳）: 軌道生成は歩行者、車両、野生動物運動の研究において重要な関心事である。 生成されたトラジェクタは、ディープラーニングアプリケーションに関連してトレーニングコーパスを強化するのに役立ち、シミュレーションタスクの促進に使用できる。 これは特に野生生物の領域において重要であり、追加の実際のデータを取得するコストは、違法に高価であり、時間がかかり、倫理的配慮が受けられる。 本稿では,この課題に対処する概念的フレームワークであるWildGENを紹介した。これは,野生ガチョウが長時間の地平線上で示す運動特性の取得に,変分オートエンコーダ(VAE)を用いた手法を用いている。 生成した軌跡のその後の後処理ステップを平滑化フィルタに基づいて行い、過度な浪費を低減する。 本評価は,視覚検査と生成軌道と実軌道との間のハウスドルフ距離の計算により行った。 さらに, ピアソン相関係数を用いて, 生成された軌道と実軌道との類似性に基づいて, 軌道の現実性を測定する。

関連論文リスト

• Autonomous Hiking Trail Navigation via Semantic Segmentation and Geometric Analysis [2.1149122372776743]
  この研究は、自動ハイキングトレイルナビゲーションに新しいアプローチを導入し、必要に応じてオフトレールルートに適応する柔軟性とトレイルアテンデンスをバランスさせる。 このソリューションは、カメラ画像のセマンティックデータとLiDARの幾何学的情報を統合して、周囲の地形を包括的に理解するトラバーサビリティ分析モジュールである。 プランナーは、このトラバーサビリティマップを安全にナビゲートするために使用し、トレイルに固執しながら、軌道上の危険や安全なオフトレールショートカットを避けるために必要であれば、オフトレール移動を許可する。
  論文  参考訳（メタデータ） (2024-09-24T02:21:10Z)
• TraDiffusion: Trajectory-Based Training-Free Image Generation [85.39724878576584]
  そこで我々は,TraDiffusion(トラディフュージョン)と呼ばれる,訓練のないトラジェクトリベースの制御可能なT2Iアプローチを提案する。 この手法により、マウスの軌跡を通した画像生成を無駄にガイドすることができる。
  論文  参考訳（メタデータ） (2024-08-19T07:01:43Z)
• WildGraph: Realistic Graph-based Trajectory Generation for Wildlife [3.4688186440441893]
  軌道生成は運動研究において重要な課題である。 ターゲットの人口から実際の軌跡を収集するプライバシー、倫理、技術的課題を回避している。 本稿では,野生生物の移動に類似した長距離軌道生成の問題点を,少数の実検体に基づいて考察する。
  論文  参考訳（メタデータ） (2024-04-11T18:13:21Z)
• D-Cubed: Latent Diffusion Trajectory Optimisation for Dexterous Deformable Manipulation [15.680133621889809]
  D-Cubedは、タスクに依存しないプレイデータセットからトレーニングされた潜在拡散モデル(LDM)を用いた、新しい軌道最適化手法である。 我々は、D-Cubedが従来の軌道最適化および競争ベースラインアプローチをかなりの差で上回ることを示した。
  論文  参考訳（メタデータ） (2024-03-19T16:05:51Z)
• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)
• Learning Representative Trajectories of Dynamical Systems via Domain-Adaptive Imitation [0.0]
  ドメイン適応軌道模倣のための深層強化学習エージェントDATIを提案する。 実験の結果,DATIは模擬学習と最適制御のベースライン手法よりも優れていることがわかった。 実世界のシナリオへの一般化は、海上交通における異常な動きパターンの発見を通じて示される。
  論文  参考訳（メタデータ） (2023-04-19T15:53:48Z)
• Trace and Pace: Controllable Pedestrian Animation via Guided Trajectory Diffusion [83.88829943619656]
  本研究では,現実的な歩行者軌跡生成手法と,ユーザ定義目標を達成するために制御可能なフルボディアニメーションを提案する。 我々のガイド付き拡散モデルでは,対象とする経路,速度,特定社会集団による軌道の制約が可能である。 本稿では,アニメーションコントローラのRLトレーニング中に学習した値関数を用いて,拡散を誘導し,特定のシナリオに適した軌道を生成することを提案する。
  論文  参考訳（メタデータ） (2023-04-04T15:46:42Z)
• Learning Continuous Environment Fields via Implicit Functions [144.4913852552954]
  本研究では,到達距離(シーン内の任意の位置から目標までの距離)を,実現可能な軌道に沿って符号化する新しいシーン表現を提案する。 本研究では,2次元迷路や屋内3次元シーンにおけるエージェントの動的挙動を直接導出できることを実証する。
  論文  参考訳（メタデータ） (2021-11-27T22:36:58Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)
• A Deep Learning Framework for Generation and Analysis of Driving Scenario Trajectories [2.908482270923597]
  本研究では,運転シナリオトラジェクトリの生成と解析のための統合型ディープラーニングフレームワークを提案する。 本研究では,フィールド内データ収集から得られた実世界のシナリオトラジェクトリにおけるフレームワークの性能について実験的に検討する。
  論文  参考訳（メタデータ） (2020-07-28T23:33:05Z)
• AutoTrajectory: Label-free Trajectory Extraction and Prediction from Videos using Dynamic Points [92.91569287889203]
  軌道抽出と予測のための新しいラベルなしアルゴリズムAutoTrajectoryを提案する。 動画中の移動物体をよりよく捉えるために,ダイナミックポイントを導入する。 ビデオ内の歩行者などの移動物体を表すインスタンスポイントに動的ポイントを集約する。
  論文  参考訳（メタデータ） (2020-07-11T08:43:34Z)

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。