論文の概要: SingularTrajectory: Universal Trajectory Predictor Using Diffusion Model

• arxiv url: http://arxiv.org/abs/2403.18452v1
• Date: Wed, 27 Mar 2024 11:11:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-28 17:17:54.362467
• Title: SingularTrajectory: Universal Trajectory Predictor Using Diffusion Model
• Title（参考訳）: SingularTrajectory:拡散モデルを用いたユニバーサル軌道予測器
• Authors: Inhwan Bae, Young-Jae Park, Hae-Gon Jeon,
• Abstract要約: 拡散に基づく普遍軌道予測フレームワークであるSingularTrajectoryを提案する。 SingularTrajectoryの中核は、関連するタスク上のさまざまなヒューマンダイナミクス表現を統一することである。 5つの公開ベンチマークの実験は、SingularTrajectoryが既存のモデルを大幅に上回っていることを示している。
• 参考スコア（独自算出の注目度）: 23.62288417229025
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: There are five types of trajectory prediction tasks: deterministic, stochastic, domain adaptation, momentary observation, and few-shot. These associated tasks are defined by various factors, such as the length of input paths, data split and pre-processing methods. Interestingly, even though they commonly take sequential coordinates of observations as input and infer future paths in the same coordinates as output, designing specialized architectures for each task is still necessary. For the other task, generality issues can lead to sub-optimal performances. In this paper, we propose SingularTrajectory, a diffusion-based universal trajectory prediction framework to reduce the performance gap across the five tasks. The core of SingularTrajectory is to unify a variety of human dynamics representations on the associated tasks. To do this, we first build a Singular space to project all types of motion patterns from each task into one embedding space. We next propose an adaptive anchor working in the Singular space. Unlike traditional fixed anchor methods that sometimes yield unacceptable paths, our adaptive anchor enables correct anchors, which are put into a wrong location, based on a traversability map. Finally, we adopt a diffusion-based predictor to further enhance the prototype paths using a cascaded denoising process. Our unified framework ensures the generality across various benchmark settings such as input modality, and trajectory lengths. Extensive experiments on five public benchmarks demonstrate that SingularTrajectory substantially outperforms existing models, highlighting its effectiveness in estimating general dynamics of human movements. Code is publicly available at https://github.com/inhwanbae/SingularTrajectory .
• Abstract（参考訳）: 軌道予測タスクには、決定論的、確率的、ドメイン適応、瞬間観察、少数ショットの5種類がある。 これらの関連するタスクは、入力パスの長さ、データ分割、事前処理方法など、さまざまな要因によって定義される。 興味深いことに、彼らは一般的にインプットとして観測のシーケンシャルな座標をとり、出力と同じ座標で将来の経路を推測するが、それぞれのタスクに特有のアーキテクチャを設計する必要がある。 他のタスクでは、一般性の問題が準最適パフォーマンスにつながる可能性がある。 本稿では,5つのタスク間の性能ギャップを低減するために,拡散に基づく普遍軌道予測フレームワークであるSingularTrajectoryを提案する。 SingularTrajectoryの中核は、関連するタスク上のさまざまなヒューマンダイナミクス表現を統一することである。 これを実現するために、まずSingular空間を構築し、各タスクから1つの埋め込み空間に全ての種類の動きパターンを投影する。 次に、Singular空間で動く適応アンカーを提案する。 昔ながらの固定アンカー方式とは違い、適応アンカーは正しいアンカーを可能にする。 最後に,拡散に基づく予測器を用いて,カスケードデノケーションプロセスを用いてプロトタイプパスをさらに拡張する。 我々の統合されたフレームワークは、入力モダリティや軌道長といった様々なベンチマーク設定における一般化を保証する。 5つの公開ベンチマークでの大規模な実験により、SingularTrajectoryは既存のモデルを大幅に上回っており、人間の運動の一般的なダイナミクスを推定する効果が強調されている。 コードはhttps://github.com/inhwanbae/SingularTrajectory.comで公開されている。

関連論文リスト

• Towards a Generalist and Blind RGB-X Tracker [91.36268768952755]
  我々は、推論時間中に任意のモダリティ X を無視できる単一のモデルトラッカーを開発する。 トレーニングプロセスは非常にシンプルで,複数ラベルの分類損失をルーティング関数に統合する。 我々のジェネラリストとブラインドトラッカーは、確立されたモーダル固有モデルと比較して、競争性能を達成することができる。
  論文  参考訳（メタデータ） (2024-05-28T03:00:58Z)
• Deciphering Movement: Unified Trajectory Generation Model for Multi-Agent [53.637837706712794]
  任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。 具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを導入する。 バスケットボール-U,サッカー-U,サッカー-Uの3つの実用的なスポーツゲームデータセットをベンチマークして評価を行った。
  論文  参考訳（メタデータ） (2024-05-27T22:15:23Z)
• ComPtr: Towards Diverse Bi-source Dense Prediction Tasks via A Simple yet General Complementary Transformer [91.43066633305662]
  本稿では,多種多様な二ソース密度予測タスクのためのアンダーラインComPlementaryアンダーライン変換器textbfComPtrを提案する。 ComPtrは異なる入力を等しく扱い、変換器上にシーケンス・ツー・シーケンスの形で効率的な密な相互作用モデルを構築する。
  論文  参考訳（メタデータ） (2023-07-23T15:17:45Z)
• 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)
• You Mostly Walk Alone: Analyzing Feature Attribution in Trajectory Prediction [52.442129609979794]
  軌道予測のための最近の深層学習手法は有望な性能を示す。 そのようなブラックボックスモデルが実際にどのモデルを予測するために使うのかは、まだ不明である。 本稿では,モデル性能に対する異なるキューの貢献度を定量化する手法を提案する。
  論文  参考訳（メタデータ） (2021-10-11T14:24:15Z)
• Parameter Decoupling Strategy for Semi-supervised 3D Left Atrium Segmentation [0.0]
  本稿では,パラメータ分離戦略に基づく半教師付きセグメンテーションモデルを提案する。 提案手法は,Atrial Challengeデータセット上での最先端の半教師付き手法と競合する結果を得た。
  論文  参考訳（メタデータ） (2021-09-20T14:51:42Z)
• Trajectory saliency detection using consistency-oriented latent codes from a recurrent auto-encoder [0.0]
  軌道は、プログレッシブな動的サリエンシー検出をサポートする最良の方法です。 与えられた文脈に関連する共通の動きパターンを共有する通常の軌跡から逸脱した場合、軌跡は有能である。 本手法は,鉄道駅で取得した歩行者軌跡の公開データセットから得られた複数のシナリオにおいて,既存の手法に勝ることを示す。
  論文  参考訳（メタデータ） (2020-12-17T13:29:11Z)
• The Traveling Observer Model: Multi-task Learning Through Spatial Variable Embeddings [28.029643109302715]
  我々は、連続した空間を移動し、ある場所で値を計測し、他の場所でそれらを予測する観察者として、一般的な予測システムを構築した。 この視点は、一見無関係なタスクを単一のモデルで解決できる、機械学習フレームワークにつながります。 実験では,(1)空間と時間における変数の直感的な位置の復元,(2)完全に不整合な入力空間と出力空間を持つ関連するデータセット間の正則性の利用,(3)無関係なタスク間の正則性を利用する。
  論文  参考訳（メタデータ） (2020-10-05T21:51:37Z)
• Pre-Trained Models for Heterogeneous Information Networks [57.78194356302626]
  異種情報ネットワークの特徴を捉えるための自己教師付き事前学習・微調整フレームワークPF-HINを提案する。 PF-HINは4つのデータセットにおいて、各タスクにおける最先端の代替よりも一貫して、大幅に優れています。
  論文  参考訳（メタデータ） (2020-07-07T03:36:28Z)

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。