論文の概要: Trajectory Prediction in Dynamic Object Tracking: A Critical Study

• arxiv url: http://arxiv.org/abs/2506.19341v1
• Date: Tue, 24 Jun 2025 06:10:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-25 19:48:23.508033
• Title: Trajectory Prediction in Dynamic Object Tracking: A Critical Study
• Title（参考訳）: 動的物体追跡における軌道予測 : 批判的研究
• Authors: Zhongping Dong, Liming Chen, Mohand Tahar Kechadi,
• Abstract要約: 本研究は、動的物体追跡(DOT)および軌道予測(TP)手法における現在の進歩を詳細に分析する。 機能ベース、セグメンテーションベース、推定ベース、学習ベースなど、さまざまなアプローチをカバーしている。 この研究は、これらの技術が自動車や自動運転車、監視とセキュリティ、医療、産業自動化に与える影響を強調している。
• 参考スコア（独自算出の注目度）: 2.836204494006322
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study provides a detailed analysis of current advancements in dynamic object tracking (DOT) and trajectory prediction (TP) methodologies, including their applications and challenges. It covers various approaches, such as feature-based, segmentation-based, estimation-based, and learning-based methods, evaluating their effectiveness, deployment, and limitations in real-world scenarios. The study highlights the significant impact of these technologies in automotive and autonomous vehicles, surveillance and security, healthcare, and industrial automation, contributing to safety and efficiency. Despite the progress, challenges such as improved generalization, computational efficiency, reduced data dependency, and ethical considerations still exist. The study suggests future research directions to address these challenges, emphasizing the importance of multimodal data integration, semantic information fusion, and developing context-aware systems, along with ethical and privacy-preserving frameworks.
• Abstract（参考訳）: 本研究は、動的物体追跡(DOT)および軌道予測(TP)方法論の現在の進歩を詳細に分析し、その応用と課題について述べる。 機能ベース、セグメンテーションベース、推定ベース、学習ベースのメソッドなど、さまざまなアプローチをカバーし、実世界のシナリオにおける有効性、デプロイ、制限を評価する。 この研究は、これらの技術が自動車や自動運転車、監視とセキュリティ、医療、産業自動化に与える影響を強調し、安全性と効率性に貢献している。 進歩にもかかわらず、一般化、計算効率の向上、データ依存の低減、倫理的考察といった課題がまだ残っている。 この研究は、これらの課題に対処するための今後の研究の方向性を示唆し、マルチモーダルデータ統合の重要性、意味情報融合、文脈認識システムの開発、倫理的およびプライバシー保護フレームワークなどを強調している。

関連論文リスト

• Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
  異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。 近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。 この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
  論文  参考訳（メタデータ） (2025-06-11T03:29:18Z)
• Large Language Models and Their Applications in Roadway Safety and Mobility Enhancement: A Comprehensive Review [14.611584622270405]
  本稿では,道路の安全性と移動性を高めるため,大規模言語モデル(LLM)の適用とカスタマイズについて概説する。 重要な焦点は、LLMがアーキテクチャ、トレーニング、プロンプト、マルチモーダル戦略を通じて、交通機関のユニークな時間的および物理的データで"モダリティギャップ"を埋める方法である。 潜在的な可能性にもかかわらず、固有のLLM制限(ハロシン化、推論欠陥)、データガバナンス(プライバシ、バイアスの複雑さ)、複雑さ(シモン・トゥ・リアル、レイテンシ)、厳格な安全保証に関する課題が続いている。
  論文  参考訳（メタデータ） (2025-05-19T21:51:18Z)
• Deep Learning Advances in Vision-Based Traffic Accident Anticipation: A Comprehensive Review of Methods,Datasets,and Future Directions [10.3325464784641]
  視覚に基づく交通事故予測(Vision-TAA)は,ディープラーニング時代において有望なアプローチとして現れている。 本稿では, 事故予測のための教師付き, 教師なし, ハイブリッド学習モデルの適用に焦点をあてた147の最近の研究をレビューする。
  論文  参考訳（メタデータ） (2025-05-12T14:34:22Z)
• Generative AI in Transportation Planning: A Survey [41.38132349994159]
  我々は、交通計画においてGenAIを活用するための最初の包括的枠組みを提示する。 交通計画の観点から, 記述的, 予測的, 生成的, シミュレーション, 説明可能なタスクの自動化におけるGenAIの役割を検討する。 データ不足、説明可能性、バイアス軽減、ドメイン固有の評価フレームワークの開発など、重要な課題に対処する。
  論文  参考訳（メタデータ） (2025-03-10T10:33:31Z)
• A Survey of World Models for Autonomous Driving [63.33363128964687]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。 本稿では、自律運転の世界モデルにおける最近の進歩を体系的にレビューする。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Integrating LLMs with ITS: Recent Advances, Potentials, Challenges, and Future Directions [1.6121249557846946]
  本稿では,Large Language Models (LLMs) のITS最適化における変換可能性について概説する。 我々の分析は、これらの高度なモデルが交通管理と安全性を大幅に向上させる方法を明らかにしている。 本稿は,PLMをITSに統合する複雑性と機会を通じて,研究者や実践者を支援することを目的とする。
  論文  参考訳（メタデータ） (2025-01-08T11:37:35Z)
• Deep Learning, Machine Learning, Advancing Big Data Analytics and Management [26.911181864764117]
  人工知能、機械学習、ディープラーニングの進歩は、ビッグデータ分析と管理の変革を触媒している。 本研究は,これらの技術の理論的基礎,方法論的進歩,実践的実装について考察する。 研究者、実践家、データ愛好家は、現代のデータ分析の複雑さをナビゲートするツールを利用できる。
  論文  参考訳（メタデータ） (2024-12-03T05:59:34Z)
• Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
  安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。 本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
  論文  参考訳（メタデータ） (2024-11-04T09:21:00Z)
• Large Language Models for Forecasting and Anomaly Detection: A Systematic Literature Review [10.325003320290547]
  本稿では,Large Language Models (LLMs) の予測・異常検出への応用について概説する。 LLMは、パターンを特定し、将来の事象を予測し、様々な領域にまたがる異常な振る舞いを検出するために、広範囲なデータセットを解析し分析する大きな可能性を示してきた。 このレビューでは、膨大な歴史的データセットへの依存、さまざまな文脈における一般化可能性の問題、モデル幻覚の現象など、より広範な採用と有効性を阻害するいくつかの重要な課題を取り上げている。
  論文  参考訳（メタデータ） (2024-02-15T22:43:02Z)
• The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review [43.30610493968783]
  我々は、最先端のディープラーニングベースの計画システムについてレビューし、どのように予測を統合するかに焦点を当てる。 異なる統合原則の意味、強み、限界について論じる。
  論文  参考訳（メタデータ） (2023-08-10T17:53:03Z)
• Vision Paper: Causal Inference for Interpretable and Robust Machine Learning in Mobility Analysis [71.2468615993246]
  インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。 ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。 このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
  論文  参考訳（メタデータ） (2022-10-18T17:28:58Z)

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。