論文の概要: The Swarm Intelligence Freeway-Urban Trajectories (SWIFTraj) Dataset - Part II: A Graph-Based Approach for Trajectory Connection
- arxiv url: http://arxiv.org/abs/2602.21954v1
- Date: Wed, 25 Feb 2026 14:35:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.709906
- Title: The Swarm Intelligence Freeway-Urban Trajectories (SWIFTraj) Dataset - Part II: A Graph-Based Approach for Trajectory Connection
- Title（参考訳）: Swarm Intelligence Freeway-Urban Trajectories (SWIFTraj) Dataset - Part II: Graph-Based Approach for Trajectory Connection (SWIFTraj)
- Authors: Xinkai Ji, Pan Liu, Yu Han,
- Abstract要約: 本稿では,UAVスワムによって捕捉された車両軌跡を連結するグラフに基づく新しい手法を提案する。
フレキシブルなUAVレイアウトを表すために、非指向グラフを構築し、最適な時間オフセットを推定する自動時間アライメント法を開発した。
実世界の実験の結果、時間アライメント誤差は3フレーム以内であり、約0.1秒であることがわかった。
- 参考スコア（独自算出の注目度）: 19.272192892376328
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In Part I of this companion paper series, we introduced SWIFTraj, a new open-source vehicle trajectory dataset collected using a unmanned aerial vehicle (UAV) swarm. The dataset has two distinctive features. First, by connecting trajectories across consecutive UAV videos, it provides long-distance continuous trajectories, with the longest exceeding 4.5 km. Second, it covers an integrated traffic network consisting of both freeways and their connected urban roads. Obtaining such long-distance continuous trajectories from a UAV swarm is challenging, due to the need for accurate time alignment across multiple videos and the irregular spatial distribution of UAVs. To address these challenges, this paper proposes a novel graph-based approach for connecting vehicle trajectories captured by a UAV swarm. An undirected graph is constructed to represent flexible UAV layouts, and an automatic time alignment method based on trajectory matching cost minimization is developed to estimate optimal time offsets across videos. To associate trajectories of the same vehicle observed in different videos, a vehicle matching table is established using the Hungarian algorithm. The proposed approach is evaluated using both simulated and real-world data. Results from real-world experiments show that the time alignment error is within three video frames, corresponding to approximately 0.1 s, and that the vehicle matching achieves an F1-score of about 0.99. These results demonstrate the effectiveness of the proposed method in addressing key challenges in UAV-based trajectory connection and highlight its potential for large-scale vehicle trajectory collection.
- Abstract（参考訳）: このコンパニオンペーパーシリーズの第1部では、無人航空機群(UAV)を用いて収集した新たなオープンソース車両軌道データセットであるSWIFTrajを紹介した。
データセットには2つの特徴がある。
第一に、連続するUAVビデオにトラジェクトリを接続することで、長距離連続的なトラジェクトリを提供し、最長4.5kmを超える。
第2に、高速道路と都市道路の両方からなる統合交通網を網羅している。
複数のビデオ間の正確な時間アライメントと、UAVの不規則な空間分布の必要性から、UAVスワムからのこのような長距離連続軌道の取得は困難である。
これらの課題に対処するために,UAVスワムによって捕捉された車両軌道を連結するグラフベースの新しい手法を提案する。
フレキシブルなUAVレイアウトを表現するために、非指向グラフを構築し、トラジェクトリマッチングコスト最小化に基づく自動時間アライメント手法を開発し、ビデオ間の最適な時間オフセットを推定する。
異なるビデオで観察される同一車両の軌跡を関連付けるために、ハンガリーのアルゴリズムを用いて車両マッチングテーブルを確立する。
提案手法はシミュレーションデータと実世界のデータの両方を用いて評価する。
実世界の実験の結果、時間アライメント誤差は約0.1秒の3つのビデオフレーム内にあり、車両のマッチングが約0.99のF1スコアを達成することが示された。
これらの結果は,UAVによる軌道接続における重要な課題に対処するための提案手法の有効性を示し,大規模車両軌道収集の可能性を強調した。
関連論文リスト
- 3D UAV Trajectory Estimation and Classification from Internet Videos via Language Model [15.346439463483991]
インターネット規模のUAVビデオから直接UAV3Dトラジェクトリとカテゴリ情報を導出する新しいフレームワークを提案する。
提案手法は現状に近づき,現実の反UAVシナリオに対する堅牢性と適用性を強調した。
論文 参考訳（メタデータ） (2026-03-10T01:29:17Z) - Microscopic Vehicle Trajectory Datasets from UAV-collected Video for Heterogeneous, Area-Based Urban Traffic [2.31849429719105]
本稿では,無人航空機(UAV)を用いた異種都市交通条件下でのデータセットについて述べる。
UAVベースの記録は、これらの問題を減らし、豊かな空間的・時間的ダイナミクスを捉えるトップダウンの視点を提供する。
データは、インドの首都圏の6つの中間ブロックで収集され、多様な交通構成と密度レベルをカバーしている。
論文 参考訳（メタデータ） (2025-12-10T08:27:17Z) - Tracking the Unstable: Appearance-Guided Motion Modeling for Robust Multi-Object Tracking in UAV-Captured Videos [58.156141601478794]
マルチオブジェクトトラッキング(UAVT)は、ビデオのフレーム間で一貫したアイデンティティを維持しながら、複数のオブジェクトを追跡することを目的としている。
既存の手法は、通常、動作キューと外観を別々にモデル化し、それらの相互作用を見渡して、最適下追跡性能をもたらす。
本稿では、AMC行列とMTCモジュールの2つの主要コンポーネントを通して、外観と動きの手がかりを利用するAMOTを提案する。
論文 参考訳（メタデータ） (2025-08-03T12:06:47Z) - VideoGAN-based Trajectory Proposal for Automated Vehicles [1.693200946453174]
本稿では,鳥眼視(BEV)の交通シナリオのビデオに基づいて訓練された生成ネットワーク(GAN)が,統計的に正確な軌跡を生成できるかどうかを検討する。
そこで本研究では,ビデオ生成モデルのトレーニングデータとして,低解像度のBEV占有グリッドビデオを使用するパイプラインを提案する。
我々は,20ms未満の推論時間で,100GPU時間以内のトレーニングで最高の結果を得た。
論文 参考訳（メタデータ） (2025-06-19T10:57:44Z) - Learning Spatio-Temporal Dynamics for Trajectory Recovery via Time-Aware Transformer [9.812530969395906]
現実世界の応用では、GPSトラジェクトリはサンプリングレートが低く、連続する点の間に大きく不規則な間隔があることが多い。
本稿では,軌道サンプリング率の向上をめざして,地図制約のトラジェクトリリカバリの課題に対処する。
論文 参考訳（メタデータ） (2025-05-20T03:09:17Z) - TAPIR: Tracking Any Point with per-frame Initialization and temporal
Refinement [64.11385310305612]
本稿では,ビデオシーケンスを通して任意の物理面上の問合せ点を効果的に追跡する,TAP(Tracking Any Point)の新しいモデルを提案する。
提案手法では,(1)他のフレームの問合せ点に対する適切な候補点マッチングを独立に特定するマッチング段階と,(2)局所的相関に基づいてトラジェクトリと問合せの両方を更新する改良段階の2段階を用いる。
結果として得られたモデルは、DAVISにおける平均約20%の絶対平均ジャカード(AJ)改善によって示されるように、TAP-Vidベンチマークにおける大きなマージンで、すべてのベースライン手法を上回ります。
論文 参考訳（メタデータ） (2023-06-14T17:07:51Z) - Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
近年,Bird's-Eye View (BEV) の知覚が注目されている。
自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。
本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
論文 参考訳（メタデータ） (2023-01-11T18:39:34Z) - SA-NET.v2: Real-time vehicle detection from oblique UAV images with use
of uncertainty estimation in deep meta-learning [0.0]
本稿では,小さなトレーニングデータセットと深層メタラーニングに基づく斜めUAV画像に対するリアルタイム車両検出の問題点について考察する。
SA-Net.v2は、SA-CNNをベースとしたリアルタイム車両検出手法である。
実験の結果、SA-Net.v2は時系列の斜めUAV画像で有望な性能を達成した。
論文 参考訳（メタデータ） (2022-08-04T09:08:47Z) - Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
移動車に搭載されたカメラから車両の速度を推定する問題を考察する。
そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
論文 参考訳（メタデータ） (2021-09-16T13:10:27Z) - Trajectory Design for UAV-Based Internet-of-Things Data Collection: A
Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。
本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。
シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文 参考訳（メタデータ） (2021-07-23T03:33:29Z) - Attention-based Reinforcement Learning for Real-Time UAV Semantic
Communication [53.46235596543596]
移動地利用者に対する空対地超信頼性・低遅延通信(URLLC)の問題点について検討する。
グラフアテンション交換ネットワーク(GAXNet)を用いたマルチエージェント深層強化学習フレームワークを提案する。
GAXNetは、最先端のベースラインフレームワークと比較して、0.0000001エラー率で6.5倍のレイテンシを実現している。
論文 参考訳（メタデータ） (2021-05-22T12:43:25Z)
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。