論文の概要: A Pedestrian-Vehicle Interaction Benchmark and Annotation Framework for Unstructured Scenes via Uncalibrated Cameras

• arxiv url: http://arxiv.org/abs/2605.25947v1
• Date: Mon, 25 May 2026 15:26:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:20.432407
• Title: A Pedestrian-Vehicle Interaction Benchmark and Annotation Framework for Unstructured Scenes via Uncalibrated Cameras
• Title（参考訳）: 非校正カメラによる非構造シーンの歩行者と車両のインタラクションベンチマークとアノテーションフレームワーク
• Abstract要約: 我々は、未校正監視カメラのビデオデータに基づくデータセットとPINNS(uNstructured ScenesにおけるuNcalibratedカメラからの歩行者車間相互作用データセット)を提案する。 このデータセットは、複数の国や地域をカバーし、様々な典型的な交通シナリオを含み、季節、照明条件、天候の変動も考慮している。 我々のフレームワークとデータセットは、複雑な混在交通シナリオにおける軌道予測と自律運転の研究を促進することを願っている。
• 参考スコア（独自算出の注目度）: 14.16993152950793
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting the interaction between pedestrian and vehicle is essential for autonomous driving safety in unstructured and semi-structured scenarios; however, this task is severely hindered by the scarcity of public datasets that feature dense pedestrian-vehicle interactions. Most current studies rely on structured road data, leaving the complex, heterogeneous interactions found in unstructured environments insufficiently represented and researched. In this paper, we propose a dataset annotation framework based on video data from uncalibrated surveillance cameras and present PINNS (Pedestrian-vehicle Interaction dataset from uNcalibrated cameras in uNstructured Scenes). The dataset covers multiple countries and regions, includes diverse typical traffic scenarios, and considers variations in seasons, lighting conditions, and weather. It focuses on complex scenes with dense pedestrian-vehicle interactions and is designed to be easily extensible. The dataset is constructed and annotated according to the standard issued by the Chinese Association of Automation, providing both trajectory data and corresponding scene-level information. Furthermore, this paper analyzes current challenges and research directions in heterogeneous agent trajectory prediction, shows the necessity and usefulness of the proposed dataset. We hope our framework and dataset will facilitate research on trajectory prediction and autonomous driving in complex mixed traffic scenarios. PINNS is publicly available at https://github.com/Songan-Lab.
• Abstract（参考訳）: 歩行者と車両の相互作用を予測することは、非構造的および半構造的シナリオにおける自律走行安全にとって不可欠であるが、このタスクは、密集した歩行者と車両の相互作用を特徴とする公共データセットの不足によって著しく妨げられている。 現在の研究の多くは、構造化された道路データに依存しており、未構造化環境における複雑で不均一な相互作用は不十分に表現され研究されている。 本稿では,未校正監視カメラのビデオデータに基づくデータセット・アノテーション・フレームワークと,uNstructured ScenesにおけるuNcalibatedカメラからの歩行者車間インタラクション・データセット(PINNS)を提案する。 このデータセットは、複数の国や地域をカバーし、様々な典型的な交通シナリオを含み、季節、照明条件、天候の変動も考慮している。 歩行者と車両の相互作用が密集した複雑なシーンに焦点を当てており、容易に拡張できるように設計されている。 データセットは、中国自動化協会が発行する標準に従って構築され、注釈付けされ、軌跡データと対応するシーンレベルの情報の両方を提供する。 さらに、異種エージェント軌道予測における現在の課題と研究方向を分析し、提案したデータセットの必要性と有用性を示す。 我々のフレームワークとデータセットは、複雑な混在交通シナリオにおける軌道予測と自律運転の研究を促進することを願っている。 PINNSはhttps://github.com/Songan-Lab.comで公開されている。

関連論文リスト

• HetroD: A High-Fidelity Drone Dataset and Benchmark for Autonomous Driving in Heterogeneous Traffic [49.31491001465465]
  HetroDは、異種環境で自律走行システムを開発するためのデータセットとベンチマークである。 HetroDは、VRU(vulner- able road users)が支配する現実の異種交通のナビゲーティングにおける重要な課題をターゲットにしている。
  論文  参考訳（メタデータ） (2026-02-03T12:12:47Z)
• Context-based Motion Retrieval using Open Vocabulary Methods for Autonomous Driving [0.5249805590164902]
  本研究では,人間中心の多様なシナリオにおける自律走行システムの目標評価を支援する,コンテキスト認識型動き検索フレームワークを提案する。 提案手法は,WayMoCoデータセットで評価した場合,動作コンテキスト検索の精度を最大27.5%向上させる。
  論文  参考訳（メタデータ） (2025-08-01T12:41:52Z)
• Pedestrian Intention and Trajectory Prediction in Unstructured Traffic Using IDD-PeD [26.011293248078797]
  本研究では,非構造環境における歩行者行動のモデル化の複雑さに対処するために,インドにおける歩行者行動データセットを提案する。 このデータセットは、エゴ車両の注意を必要とする歩行者に焦点を当てた、高レベルで詳細な低レベルな包括的なアノテーションを提供する。
  論文  参考訳（メタデータ） (2025-06-27T10:41:18Z)
• PFSD: A Multi-Modal Pedestrian-Focus Scene Dataset for Rich Tasks in Semi-Structured Environments [73.80718037070773]
  本稿では, 半構造化シーンに, nuScenesの形式を付加したマルチモーダルなPedestrian-Focused Sceneデータセットを提案する。 また,密集・隠蔽シナリオにおける歩行者検出のためのHMFN(Hybrid Multi-Scale Fusion Network)を提案する。
  論文  参考訳（メタデータ） (2025-02-21T09:57:53Z)
• ROAD-Waymo: Action Awareness at Scale for Autonomous Driving [17.531603453254434]
  ROAD-Waymoは、道路シーンにおけるエージェント、アクション、位置、イベント検出の技術の開発とベンチマークのための広範なデータセットである。 既存のデータセット(および複数の都市を含む)よりもかなり大きく、より困難なものには、198kの注釈付きビデオフレーム、54kのエージェントチューブ、3.9Mのバウンディングボックス、合計12.4Mのラベルがある。
  論文  参考訳（メタデータ） (2024-11-03T20:46:50Z)
• JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
  ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。 このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。 本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
  論文  参考訳（メタデータ） (2023-11-05T18:59:31Z)
• Graph Convolutional Networks for Complex Traffic Scenario Classification [0.7919810878571297]
  シナリオベースのテストアプローチは、自動運転システムの安全性の統計的に重要な証拠を得るのに必要な時間を短縮することができる。 シナリオ分類のほとんどの方法は、多様な環境を持つ複雑なシナリオでは機能しない。 本研究では,車両と環境との相互作用をモデル化できる複雑な交通シナリオ分類手法を提案する。
  論文  参考訳（メタデータ） (2023-10-26T20:51:24Z)
• IDD-3D: Indian Driving Dataset for 3D Unstructured Road Scenes [79.18349050238413]
  デプロイ可能なディープラーニングアーキテクチャの準備とトレーニングには、さまざまなトラフィックシナリオに適したモデルが必要である。 インドなどいくつかの発展途上国で見られる非構造的で複雑な運転レイアウトは、これらのモデルに挑戦している。 我々は、複数のカメラと12kの注釈付き駆動LiDARフレームを備えたLiDARセンサーのマルチモーダルデータからなる新しいデータセットIDD-3Dを構築した。
  論文  参考訳（メタデータ） (2022-10-23T23:03:17Z)
• Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset and Consensus-Based Models [76.32775745488073]
  本研究では,非構造環境における動作計画の研究を目的とした,新しいデータセットとモデリングフレームワークを提案する。 コンセンサスに基づくモデリング手法により、データセットで観測された優先順位の出現を効果的に説明できることを実証する。
  論文  参考訳（メタデータ） (2022-09-19T05:06:57Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• Predicting Vehicles Trajectories in Urban Scenarios with Transformer Networks and Augmented Information [0.0]
  本稿では,トランスフォーマーネットワークに基づく歩行者軌道予測のための単純な構造を利用する。 我々は,最大5秒の地平線における都市シナリオにおける車両軌道予測の問題にそれらの利用を適応させる。 我々のモデルは最先端の成果を達成し、異なるタイプの都市環境に柔軟で適応可能であることを証明している。
  論文  参考訳（メタデータ） (2021-06-01T15:18:55Z)

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。