論文の概要: EnvSocial-Diff: A Diffusion-Based Crowd Simulation Model with Environmental Conditioning and Individual-Group Interaction

• arxiv url: http://arxiv.org/abs/2603.23874v1
• Date: Wed, 25 Mar 2026 03:05:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-26 21:06:11.103276
• Title: EnvSocial-Diff: A Diffusion-Based Crowd Simulation Model with Environmental Conditioning and Individual-Group Interaction
• Title（参考訳）: EnvSocial-Diff:環境条件とグループ間相互作用を考慮した拡散型群衆シミュレーションモデル
• Authors: Bingxue Zhao, Qi Zhang, Hui Huang,
• Abstract要約: EnvSocial-Diffは拡散に基づく群集シミュレーションモデルである。 私たちのモジュールは、障害、関心の対象、照明レベルを明示的にエンコードし、解釈可能な信号を提供します。 複数のベンチマークデータセットの実験では、EnvSocial-Diffが最新の最先端メソッドより優れていることが示されている。
• 参考スコア（独自算出の注目度）: 13.470486542286892
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Modeling realistic pedestrian trajectories requires accounting for both social interactions and environmental context, yet most existing approaches largely emphasize social dynamics. We propose \textbf{EnvSocial-Diff}: a diffusion-based crowd simulation model informed by social physics and augmented with environmental conditioning and individual--group interaction. Our structured environmental conditioning module explicitly encodes obstacles, objects of interest, and lighting levels, providing interpretable signals that capture scene constraints and attractors. In parallel, the individual--group interaction module goes beyond individual-level modeling by capturing both fine-grained interpersonal relations and group-level conformity through a graph-based design. Experiments on multiple benchmark datasets demonstrate that EnvSocial-Diff outperforms the latest state-of-the-art methods, underscoring the importance of explicit environmental conditioning and multi-level social interaction for realistic crowd simulation. Code is here: https://github.com/zqyq/EnvSocial-Diff.
• Abstract（参考訳）: 現実的な歩行者軌跡をモデル化するには、社会的相互作用と環境コンテキストの両方を考慮する必要があるが、既存のアプローチのほとんどは、社会的ダイナミクスに重点を置いている。 本稿では,社会物理学から情報を得た拡散型群衆シミュレーションモデルである「textbf{EnvSocial-Diff}」を提案する。環境調和モジュールは,障害物,関心の対象,照明レベルを明示的に符号化し,シーン制約やアトラクタを捕捉する解釈可能な信号を提供する。また,個々のグループ間相互作用モジュールは,微粒な対人関係とグループレベルの整合性の両方をグラフベース設計で捉えることによって,個人レベルのモデリングを超えていく。 複数のベンチマークデータセットの実験により、EnvSocial-Diffは最新の最先端の手法よりも優れており、現実的な群衆シミュレーションにおいて、明示的な環境条件付けとマルチレベルなソーシャルインタラクションの重要性が強調されている。 コードはここにある。 https://github.com/zqyq/EnvSocial-Diff。

関連論文リスト

• MF-LLM: Simulating Population Decision Dynamics via a Mean-Field Large Language Model Framework [53.82097200295448]
  MF-LLM(Mean-Field LLM)は,まず平均場理論を社会シミュレーションに取り入れる。 MF-LLMは反復過程を通じて個人と人口間の双方向相互作用をモデル化する。 IB-Tuneは、Information Bottleneckの原理にインスパイアされた、新しい微調整手法である。
  論文  参考訳（メタデータ） (2025-04-30T12:41:51Z)
• SocioVerse: A World Model for Social Simulation Powered by LLM Agents and A Pool of 10 Million Real-World Users [70.02370111025617]
  本稿では,社会シミュレーションのためのエージェント駆動世界モデルであるSocioVerseを紹介する。 私たちのフレームワークは、4つの強力なアライメントコンポーネントと1000万の実際の個人からなるユーザプールを備えています。 SocioVerseは、多様性、信頼性、代表性を確保しつつ、大規模な人口動態を反映できることを示した。
  論文  参考訳（メタデータ） (2025-04-14T12:12:52Z)
• Continuous Locomotive Crowd Behavior Generation [23.45902601618188]
  本研究では,不均一な行動や相互作用を伴う連続的,現実的な群集軌道を自動生成する新しい手法を提案する。 提案手法は, 多様な集団行動パターンを効果的にモデル化し, 地理的に異なる環境にまたがってよく一般化できることを実証する。
  論文  参考訳（メタデータ） (2025-04-07T06:08:59Z)
• Gen-C: Populating Virtual Worlds with Generative Crowds [2.1716667622896195]
  本稿では,エージェントエージェントとエージェント環境の相互作用をキャプチャするクラウドシナリオを生成する生成フレームワークであるGenerative Crowds (Gen-C)を紹介する。 Gen-Cはデュアル変分グラフオートエンコーダ(VGAE)アーキテクチャを採用しており、接続パターンと、テキスト信号と構造信号で条件付けられたノードの特徴を共同で学習する。 我々は、大学キャンパスや駅など多様な行動のシナリオにおけるGen-Cの有効性を実証する。
  論文  参考訳（メタデータ） (2025-04-02T17:33:53Z)
• FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
  我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。 その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。 河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-17T00:53:09Z)
• Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
  本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。 我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。 ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-06-29T07:49:48Z)

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。