論文の概要: EdgeVTP: Exploration of Latency-efficient Trajectory Prediction for Edge-based Embedded Vision Applications

• arxiv url: http://arxiv.org/abs/2604.16783v1
• Date: Sat, 18 Apr 2026 02:13:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.171505
• Title: EdgeVTP: Exploration of Latency-efficient Trajectory Prediction for Edge-based Embedded Vision Applications
• Title（参考訳）: EdgeVTP:エッジベース組み込みビジョンアプリケーションのためのレイテンシ効率の高い軌道予測の探索
• Authors: Seungjin Kim, Reza Jafarpourmarzouni, Christopher Neff, Hamed Tabkhi, Vinit Katariya,
• Abstract要約: We present EdgeVTP, a embedded-first trajectory predictor。 対話対応グラフモデリングと軽量なトランスフォーマーバックボーンとワンショットカーブデコーダを組み合わせる。
• 参考スコア（独自算出の注目度）: 7.055116355271679
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vehicle trajectory prediction is central to highway perception, but deployment on roadside edge devices necessitates bounded, deterministic end-to-end latency. We present EdgeVTP, an embedded-first trajectory predictor that combines interaction-aware graph modeling with a lightweight transformer backbone and a one-shot curve decoder. By predicting future motion as compact curve parameters (anchored at the last observed position) rather than horizon-scaled autoregressive waypoints, EdgeVTP reduces decoding overhead while producing smooth trajectories. To keep runtime predictable in crowded scenes, we explicitly bound interaction complexity via a locality graph with a hard neighbor cap. Across three highway benchmarks and two Jetson-class platforms, EdgeVTP achieves the lowest measured end-to-end latency under a protocol that includes graph construction and post-processing, while attaining state-of-the-art (SotA) prediction accuracy on two of the three datasets and competitive error on other benchmarks. Our code is available at https://github.com/SeungjinStevenKim/EdgeVTP.
• Abstract（参考訳）: 車両軌道予測は高速道路の認識の中心であるが、道路側エッジデバイスへの展開は、境界付き決定論的エンドツーエンドのレイテンシを必要とする。 We present the EdgeVTP, a embedded-first trajectory predictor that a interaction-aware graph modeling with a light transformer backbone and a one-shot curve decoder。 将来の動きを地平線スケールの自己回帰的ウェイポイントではなく、コンパクトな曲線パラメータとして予測することにより、EdgeVTPはスムーズな軌道を生成しながらデコードオーバーヘッドを低減する。 混み合った場面でランタイムを予測できるように、我々は、強い隣のキャップを持つ局所性グラフを介して、相互作用の複雑さを明示的に束縛した。 3つのハイウェイベンチマークと2つのJetsonクラスプラットフォームにわたって、EdgeVTPは、グラフ構築と後処理を含むプロトコルの下で最も低測定のエンドツーエンドレイテンシを実現し、一方、3つのデータセットのうちの2つの最新(SotA)予測精度と他のベンチマークの競合エラーを達成した。 私たちのコードはhttps://github.com/SeungjinStevenKim/EdgeVTPで利用可能です。

関連論文リスト

• TrajLoom: Dense Future Trajectory Generation from Video [17.78215938363174]
  本稿では,過去の映像から将来の軌跡や軌跡を予測するフレームワークを提案する。 最先端手法と比較して,提案手法は24フレームから81フレームまでの予測地平線を延長する。 予測された軌道は、下流のビデオ生成と編集を直接サポートする。
  論文  参考訳（メタデータ） (2026-03-23T22:10:58Z)
• LineGraph2Road: Structural Graph Reasoning on Line Graphs for Road Network Extraction [0.0]
  LineGraph2Roadは、構築されたグローバルだがスパースなユークリッドグラフにおいて、エッジ上のバイナリ分類として定式化することで接続性予測を改善するフレームワークである。 都市スケール,SpaceNet,Global-scaleの3つのベンチマークで評価し,TOPO-F1とAPLSの2つの主要な指標で最先端の結果が得られたことを示す。
  論文  参考訳（メタデータ） (2026-02-26T18:02:44Z)
• CoWTracker: Tracking by Warping instead of Correlation [53.834673070954494]
  ワープに有利なコストを削減できる高密度な点トラッカーを提案する。 近年の光学的流れの進展に触発されて,本手法では,現在の推定値に基づいて,対象フレームからクエリフレームへ特徴を変換することで,トラック推定を反復的に洗練する。 我々のモデルは,TAP-Vid-DAVIS,TAP-Vid-Kinetics,Robo-TAPなど,標準的な高密度点追跡ベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-02-04T18:58:59Z)
• Video Object Recognition in Mobile Edge Networks: Local Tracking or Edge Detection? [57.000348519630286]
  モバイルエッジコンピューティングの最近の進歩により、高精度ニューラルネットワークを備えたエッジサーバに集約的なオブジェクト検出をオフロードすることが可能になった。 このハイブリッドアプローチは有望なソリューションを提供するが、新たな課題として、エッジ検出とローカルトラッキングのタイミングを決定する。 局所的なトラッキングとエッジ検出を適応的に選択する深層強化学習に基づくアルゴリズムである単一デバイス環境での LTED-Ada を提案する。
  論文  参考訳（メタデータ） (2025-11-25T04:54:51Z)
• DELTAv2: Accelerating Dense 3D Tracking [79.63990337419514]
  本稿では,ビデオ中の高密度3次元点追跡を高速化するための新しいアルゴリズムを提案する。 極小点の小さな部分集合で追跡を開始し、トラックされた軌道の集合を段階的に拡大する粗大な戦略を導入する。 新たに追加されたトラジェクトリは学習可能なモジュールを使用しており、トラッキングネットワークとともにエンドツーエンドでトレーニングされている。
  論文  参考訳（メタデータ） (2025-08-02T03:15:47Z)
• LMT-Net: Lane Model Transformer Network for Automated HD Mapping from Sparse Vehicle Observations [11.395749549636868]
  Lane Model Transformer Network (LMT-Net) は、エンコーダとデコーダのニューラルネットワークアーキテクチャであり、ポリリン符号化を実行し、レーンペアとその接続性を予測する。 我々は、複数の車両観測と、地上真実(GT)としての人間のアノテーションからなる内部データセット上でのLMT-Netの性能を評価する。
  論文  参考訳（メタデータ） (2024-09-19T02:14:35Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• XVTP3D: Cross-view Trajectory Prediction Using Shared 3D Queries for Autonomous Driving [7.616422495497465]
  不確実性を伴う軌道予測は、自動運転にとって重要かつ困難な課題である。 共有3Dクエリ(XVTP3D)を用いたクロスビュー軌道予測手法を提案する。 2つの公開データセットに対する実験の結果、XVTP3Dは、一貫したクロスビュー予測で最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2023-08-17T03:35:13Z)
• An End-to-End Vehicle Trajcetory Prediction Framework [3.7311680121118345]
  将来の軌道の正確な予測は、以前の軌道に依存するだけでなく、近くの他の車両間の複雑な相互作用のシミュレーションにも依存する。 この問題に対処するために構築されたほとんどの最先端のネットワークは、軌跡をたどって容易に利用できると仮定している。 本稿では,生のビデオ入力を取り込み,将来の軌跡予測を出力する新しいエンドツーエンドアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-04-19T15:42:03Z)
• D2-TPred: Discontinuous Dependency for Trajectory Prediction under Traffic Lights [68.76631399516823]
  本稿では,空間的動的相互作用グラフ(SDG)と行動依存グラフ(BDG)を用いて,交通信号に対する軌道予測手法D2-TPredを提案する。 実験の結果,VTP-TLではADEとFDEでそれぞれ20.45%,20.78%以上を達成できた。
  論文  参考訳（メタデータ） (2022-07-21T10:19:07Z)
• It Is Not the Journey but the Destination: Endpoint Conditioned Trajectory Prediction [59.027152973975575]
  フレキシブルな人間の軌道予測のための予測条件付きネットワーク(PECNet)を提案する。 PECNetは長距離マルチモーダル軌道予測を支援するために遠方のエンドポイントを推論する。 我々は、PECNetがスタンフォードドローン軌道予測ベンチマークの最先端性能を20.9%改善し、ETH/UCYベンチマークの40.8%向上したことを示す。
  論文  参考訳（メタデータ） (2020-04-04T21:27:13Z)

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。