論文の概要: PathwayBench: Assessing Routability of Pedestrian Pathway Networks Inferred from Multi-City Imagery
- arxiv url: http://arxiv.org/abs/2407.16875v1
- Date: Tue, 23 Jul 2024 22:47:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-25 15:12:43.287810
- Title: PathwayBench: Assessing Routability of Pedestrian Pathway Networks Inferred from Multi-City Imagery
- Title（参考訳）: PathwayBench: 多都市画像から推定した歩行者パスウェイネットワークのロバスト性の評価
- Authors: Yuxiang Zhang, Bill Howe, Sachin Mehta, Nicholas-J Bolten, Anat Caspi,
- Abstract要約: 都市部における歩行者の移動を支援するには、構築された環境の完全かつ頑健なグラフ表現が必要である。
道路ネットワークの経路とは対照的に、歩行者ネットワークの経路は狭く、より頻繁に切断され、視覚的にも物質的にも小さな領域で変化している。
歩行者経路網グラフを抽出する既存のアルゴリズムは矛盾なく評価され、ルータビリティを無視する傾向がある。
- 参考スコア（独自算出の注目度）: 15.563635571840733
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Applications to support pedestrian mobility in urban areas require a complete, and routable graph representation of the built environment. Globally available information, including aerial imagery provides a scalable source for constructing these path networks, but the associated learning problem is challenging: Relative to road network pathways, pedestrian network pathways are narrower, more frequently disconnected, often visually and materially variable in smaller areas, and their boundaries are broken up by driveway incursions, alleyways, marked or unmarked crossings through roadways. Existing algorithms to extract pedestrian pathway network graphs are inconsistently evaluated and tend to ignore routability, making it difficult to assess utility for mobility applications: Even if all path segments are available, discontinuities could dramatically and arbitrarily shift the overall path taken by a pedestrian. In this paper, we describe a first standard benchmark for the pedestrian pathway graph extraction problem, comprising the largest available dataset equipped with manually vetted ground truth annotations (covering $3,000 km^2$ land area in regions from 8 cities), and a family of evaluation metrics centering routability and downstream utility. By partitioning the data into polygons at the scale of individual intersections, we compute local routability as an efficient proxy for global routability. We consider multiple measures of polygon-level routability and compare predicted measures with ground truth to construct evaluation metrics. Using these metrics, we show that this benchmark can surface strengths and weaknesses of existing methods that are hidden by simple edge-counting metrics over single-region datasets used in prior work, representing a challenging, high-impact problem in computer vision and machine learning.
- Abstract（参考訳）: 都市部における歩行者の移動を支援するには、構築された環境の完全かつ頑健なグラフ表現が必要である。
道路ネットワークの経路に対して、歩行者ネットワークの経路はより狭く、より頻繁に切断され、小さな地域では視覚的にも物質的にも変化し、その境界線は、自動車道の侵入、路地、標識や標識のない横断路によって分割される。
既存の歩行者経路網グラフを抽出するアルゴリズムは不整合性の評価を受けており、不規則性を無視する傾向があり、モビリティアプリケーションの有用性を評価するのが困難である: もし全ての経路セグメントが利用可能であったとしても、不連続性は歩行者が取る全経路を劇的に、任意にシフトさせることができる。
本稿では,歩行者経路グラフ抽出問題に対する最初の標準ベンチマークについて述べる。このベンチマークは,手動で検証した地上真実アノテーション(8都市から3,000km^2$の土地面積をカバー)を備えた,最大規模のデータセットと,暴走性と下流ユーティリティを中心とした評価指標のファミリーから構成される。
個々の交点の規模でデータをポリゴンに分割することにより、局所的なルタビリティをグローバルなルタビリティの効率的なプロキシとして計算する。
本稿では,ポリゴンレベルの可逆性に関する複数の測度を考察し,予測測度と基底真理との比較を行い,評価測度を構築する。
これらの指標を用いて、このベンチマークは、コンピュータビジョンと機械学習において困難で高影響のあった問題を示す、前処理で使用される単一領域データセット上の単純なエッジカウントメトリクスによって隠された既存のメソッドの長所と短所を明らかにすることができることを示す。
関連論文リスト
- Reliable, Routable, and Reproducible: Collection of Pedestrian Pathways at Statewide Scale [7.346075203371274]
本稿では,国家規模で歩行者経路データを収集,管理,提供,維持する手法を提案する。
約2年以内にワシントン州全体に向けて、荒削りな歩行者道を作ることを目標としている。
論文 参考訳（メタデータ） (2024-10-12T02:31:57Z) - Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳（メタデータ） (2024-10-10T10:10:03Z) - Road Graph Generator: Mapping roads at construction sites from GPS data [0.0]
本稿では,GPS軌道から地図構築地点への道路推定手法を提案する。
この課題は, 建設機械の非標準運動パターンが不安定であることから, 独特な課題である。
提案手法はまず,重要な決定点として機能する道路網の交差点を識別し,エッジと接続してグラフを生成する。
論文 参考訳（メタデータ） (2024-02-15T12:53:25Z) - APE: An Open and Shared Annotated Dataset for Learning Urban Pedestrian
Path Networks [16.675093530600154]
歩道やサイクウェイを含む完全な交通網を推定することは、多くの自動化システムにとって不可欠である。
この研究は、都市における歩道、横断歩道、角球の衛星画像、地図画像、アノテーションの新たなデータセットを導入することで、この問題に大規模に対処し始めている。
本稿では,道路ネットワーク情報と提案したデータセットを用いて,接続された歩行者経路網マップを推定するエンド・ツー・エンドのプロセスを提案する。
論文 参考訳（メタデータ） (2023-03-04T05:08:36Z) - GraphWalks: Efficient Shape Agnostic Geodesic Shortest Path Estimation [93.60478281489243]
3次元曲面上の測地線経路を近似する学習可能なネットワークを提案する。
提案手法は,最短経路の効率的な近似と測地距離推定を提供する。
論文 参考訳（メタデータ） (2022-05-30T16:22:53Z) - RNGDet: Road Network Graph Detection by Transformer in Aerial Images [19.141279413414082]
道路ネットワークグラフは、自動運転車アプリケーションにとって重要な情報を提供する。
手動でアノテートする道路ネットワークグラフは非効率で労働集約的です。
RNGDetという変圧器と模倣学習に基づく新しい手法を提案する。
論文 参考訳（メタデータ） (2022-02-16T01:59:41Z) - Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。
本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。
提案手法は,高品質なトラフィックフローマップを作成できる。
論文 参考訳（メタデータ） (2021-09-29T07:51:49Z) - SPIN Road Mapper: Extracting Roads from Aerial Images via Spatial and
Interaction Space Graph Reasoning for Autonomous Driving [64.10636296274168]
道路抽出は、自律航法システムを構築するための重要なステップである。
この問題に対して単に畳み込みニューラルネットワーク(ConvNets)を使用することは、画像内の道路セグメント間の遠い依存関係をキャプチャする非効率であるため、効果がない。
本研究では,ConvNetに接続した時,特徴写像から投影された空間空間および相互作用空間上に構築されたグラフの推論を行う空間空間グラフ推論(SPIN)モジュールを提案する。
論文 参考訳（メタデータ） (2021-09-16T03:52:17Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - Open Area Path Finding to Improve Wheelchair Navigation [0.0]
本稿では,経路のネットワークを持たないオープンエリアに対して,新しい経路探索アルゴリズムを提案し,実装する。
提案アルゴリズムは開放領域に新しいグラフを作成し,障害物や障壁を考慮し,経路を計算する。
実装とテストは、提案されたアルゴリズム出力と実際の車椅子利用者軌跡との少なくとも76.4%の類似性を示している。
論文 参考訳（メタデータ） (2020-11-07T21:20:32Z) - Constructing Geographic and Long-term Temporal Graph for Traffic
Forecasting [88.5550074808201]
交通予測のための地理・長期時間グラフ畳み込み型ニューラルネットワーク(GLT-GCRNN)を提案する。
本研究では,地理的・長期的時間的パターンを共有する道路間のリッチな相互作用を学習する交通予測のための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） (2020-04-23T03:50:46Z)
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。