論文の概要: Context-Aware Trajectory Anomaly Detection

• arxiv url: http://arxiv.org/abs/2410.19136v1
• Date: Thu, 24 Oct 2024 20:09:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-28 13:36:15.877570
• Title: Context-Aware Trajectory Anomaly Detection
• Title（参考訳）: 文脈対応軌道異常検出
• Authors: Haoji Hu, Jina Kim, Jinwei Zhou, Sofia Kirsanova, JangHyeon Lee, Yao-Yi Chiang,
• Abstract要約: 軌道異常検出は都市・人的モビリティ管理において効果的な意思決定に不可欠である。 本稿では,軌跡に関する文脈情報をモデル化するコンテキスト認識型異常検出手法を提案する。 提案手法は,エージェントIDやコンテキストPOI埋め込みなどのコンテキスト要因によって導かれる軌道再構成フレームワークに基づいている。
• 参考スコア（独自算出の注目度）: 12.572145062501356
• License:
• Abstract: Trajectory anomaly detection is crucial for effective decision-making in urban and human mobility management. Existing methods of trajectory anomaly detection generally focus on training a trajectory generative model and evaluating the likelihood of reconstructing a given trajectory. However, previous work often lacks important contextual information on the trajectory, such as the agent's information (e.g., agent ID) or geographic information (e.g., Points of Interest (POI)), which could provide additional information on accurately capturing anomalous behaviors. To fill this gap, we propose a context-aware anomaly detection approach that models contextual information related to trajectories. The proposed method is based on a trajectory reconstruction framework guided by contextual factors such as agent ID and contextual POI embedding. The injection of contextual information aims to improve the performance of anomaly detection. We conducted experiments in two cities and demonstrated that the proposed approach significantly outperformed existing methods by effectively modeling contextual information. Overall, this paper paves a new direction for advancing trajectory anomaly detection.
• Abstract（参考訳）: 軌道異常検出は都市・人的モビリティ管理において効果的な意思決定に不可欠である。 既存の軌道異常検出法は一般的に、軌道生成モデルを訓練し、与えられた軌道を再構築する可能性を評価することに重点を置いている。 しかし、以前の研究は、エージェントの情報(例えばエージェントID)や地理的情報(例えば、関心のポイント(POI))のような、軌跡に関する重要な文脈情報を欠いていることが多く、異常な振る舞いを正確に捉えるための追加情報を提供する。 このギャップを埋めるために,トラジェクトリに関連するコンテキスト情報をモデル化するコンテキスト認識異常検出手法を提案する。 提案手法は,エージェントIDやコンテキストPOI埋め込みなどのコンテキスト要因によって導かれる軌道再構成フレームワークに基づいている。 文脈情報の注入は異常検出の性能を向上させることを目的としている。 2つの都市で実験を行い,提案手法が文脈情報を効果的にモデル化することで既存手法よりも優れていることを示した。 本論文は, トラジェクタ異常検出のための新しい方向を示す。

関連論文リスト

• Trajectory Anomaly Detection with Language Models [21.401931052512595]
  本稿では,自己回帰因果アテンションモデル(LM-TAD)を用いた軌道異常検出のための新しい手法を提案する。 トラジェクトリをトークンの列として扱うことにより、トラジェクトリ上の確率分布を学習し、高精度な異常位置の同定を可能にする。 本実験は, 合成および実世界の両方のデータセットに対するLM-TADの有効性を実証した。
  論文  参考訳（メタデータ） (2024-09-18T17:33:31Z)
• Embedding Trajectory for Out-of-Distribution Detection in Mathematical Reasoning [50.84938730450622]
  数理推論におけるOOD検出にトラジェクトリボラティリティを用いたトラジェクトリベースのTVスコアを提案する。 本手法は, 数学的推論シナリオ下でのGLM上での従来のアルゴリズムよりも優れる。 提案手法は,複数選択質問などの出力空間における高密度特徴を持つアプリケーションに拡張することができる。
  論文  参考訳（メタデータ） (2024-05-22T22:22:25Z)
• PUAD: Frustratingly Simple Method for Robust Anomaly Detection [0.0]
  対象の誤数のような論理的異常は空間的特徴写像によってうまく表現できないと我々は主張する。 本稿では, 特徴空間上に, 最先端の再構成に基づくアプローチに対して, 簡単な分布外検出手法を組み込む手法を提案する。 本手法は,MVTec LOCO ADデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-02-23T06:57:31Z)
• Geo-Localization Based on Dynamically Weighted Factor-Graph [74.75763142610717]
  特徴に基づくジオローカライゼーションは、航空画像から抽出された特徴と車両のセンサーによって検出された特徴とを関連付けることに依存する。 これにより、ランドマークの種類は両方のソースから観測できなければならない。 車両軌道推定のための動的重み付き因子グラフモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-13T12:44:14Z)
• Learning Representation for Anomaly Detection of Vehicle Trajectories [15.20257956793474]
  周囲の車両の将来の軌跡をその歴史に基づいて予測することは、自動運転における重要な課題である。 小型の摂動は、エゴの将来の軌道予測モジュールを著しく誤解させる可能性がある。 本稿では,車両軌道のオンライン異常検出のための,効率的かつ効率的な表現を学習するための2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-03-09T02:48:59Z)
• Spatio-Temporal Context Modeling for Road Obstacle Detection [12.464149169670735]
  トレーニングデータのレイアウトを用いて、駆動シーンのデータ駆動コンテキスト時間モデルを構築する。 障害物は最先端のオブジェクト検出アルゴリズムによって検出され、結果は生成されたシーンと組み合わせられる。
  論文  参考訳（メタデータ） (2023-01-19T07:06:35Z)
• Perspective Aware Road Obstacle Detection [104.57322421897769]
  道路障害物検出技術は,車間距離が大きくなるにつれて障害物の見かけの規模が減少するという事実を無視することを示す。 画像位置毎に仮想物体の見かけの大きさを符号化したスケールマップを演算することでこれを活用できる。 次に、この視点マップを利用して、遠近法に対応する大きさの道路合成物体に注入することで、トレーニングデータを生成する。
  論文  参考訳（メタデータ） (2022-10-04T17:48:42Z)
• Object-centric and memory-guided normality reconstruction for video anomaly detection [56.64792194894702]
  本稿では,ビデオ監視における異常検出問題に対処する。 異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。 我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
  論文  参考訳（メタデータ） (2022-03-07T19:28:39Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• Learning Bias-Invariant Representation by Cross-Sample Mutual Information Minimization [77.8735802150511]
  対象タスクが誤用したバイアス情報を除去するために,クロスサンプル対逆脱バイアス法(CSAD)を提案する。 相関測定は, 対向的偏り評価において重要な役割を担い, クロスサンプル型相互情報推定器によって行われる。 我々は,提案手法の最先端手法に対する利点を検証するために,公開データセットの徹底的な実験を行った。
  論文  参考訳（メタデータ） (2021-08-11T21:17:02Z)

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。