論文の概要: TSCA-Net: Temporal-Spatial Clique Attention for Interpretable Multimodal Pedestrian Trajectory Prediction

• arxiv url: http://arxiv.org/abs/2607.11939v1
• Date: Sat, 11 Jul 2026 08:32:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:29.88777
• Title: TSCA-Net: Temporal-Spatial Clique Attention for Interpretable Multimodal Pedestrian Trajectory Prediction
• Title（参考訳）: TSCA-Net: 解釈可能なマルチモーダル歩行者軌道予測のための時空間斜め注意法
• Abstract要約: 3つの相補的なモジュール上に構築された軌道予測フレームワークであるTSCA-Netを提案する。 TSCA(Temporal-Spatial Clique Attention)モジュールは、clique-based goal-history interactionに学習可能な時間ゲーティングを導入する。 クロスペデストリアン傾斜ポテンシャル(CPCP)モジュールは、動的傾きポテンシャルフレームワークを通じて非対称な対のエージェント関係をモデル化する。 Adaptive Kan Grid Refinement (AKGR) 機構は、エージェントごとのゴール分布エントロピーに基づいて、コルモゴロフ・アルノルドネットワーク拡張LSTMデコーダのBスプライングリッド解像度を動的に調整する。
• 参考スコア（独自算出の注目度）: 1.3612214163974456
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate pedestrian trajectory prediction in crowded environments remains challenging due to the multimodal uncertainty of human motion and the variable complexity of motion dynamics across different scene contexts. Existing goal-conditioned models rely on static displacement structures that assign equal weight to all historical time steps, standard graph attention mechanisms, and fixed-capacity motion decoders that cannot adapt to local prediction complexity. To address these limitations, we propose TSCA-Net, a trajectory prediction framework built upon three complementary modules. The Temporal-Spatial Clique Attention (TSCA) module introduces learnable temporal gating into clique-based goal-history interaction, enabling time-aware modulation of historical observations relative to each candidate goal. The Cross-Pedestrian Clique Potential (CPCP) module models asymmetric pairwise agent relationships through a dynamic clique potential framework with a time-varying social graph. The Adaptive KAN Grid Refinement (AKGR) mechanism dynamically adjusts the B-spline grid resolution of a Kolmogorov-Arnold Network-augmented LSTM decoder based on per-agent goal distribution entropy, balancing model expressiveness against overfitting across varying motion complexities. Extensive experiments on the ETH/UCY and Stanford Drone Dataset benchmarks demonstrate that TSCA-Net achieves state-of-the-art performance, with average ADE/FDE of 0.13/0.20 m on ETH/UCY and 6.95/10.43 pixels on SDD. Comprehensive ablation studies confirm the complementary contributions of all three proposed modules.
• Abstract（参考訳）: 混み合った環境での正確な歩行者軌道予測は、人間の動きのマルチモーダルな不確実性や、異なる場面における運動力学の変動的な複雑さにより、依然として困難である。 既存のゴール条件付きモデルは、すべての歴史的時間ステップ、標準グラフアテンション機構、局所的な予測複雑性に適応できない固定容量モーションデコーダに等しい重みを割り当てる静的な変位構造に依存している。 これらの制約に対処するため、3つの相補的なモジュール上に構築された軌道予測フレームワークであるTSCA-Netを提案する。 TSCA(Temporal-Spatial Clique Attention)モジュールは、学習可能な時間的ゲーティングをcliqueベースのゴールとヒストリーの相互作用に導入し、各候補目標に対する歴史的観測の時間的変化を可能にする。 クロス・ペデストリアン・Clique Potential (CPCP) モジュールは、時間変化の社会グラフを持つ動的なclique potential frameworkを通じて、非対称なペアワイズエージェント関係をモデル化する。 Adaptive Kan Grid Refinement (AKGR) 機構は、エージェントごとのゴール分布エントロピーに基づくコルモゴロフ・アルノルドネットワーク拡張LSTMデコーダのB-スプライングリッド解像度を動的に調整する。 ETH/UCYとStanford Drone Datasetのベンチマークによる大規模な実験では、TSCA-Netは最先端のパフォーマンスを実現しており、平均ADE/FDEはETH/UCYで0.13/0.20m、SDDで6.95/10.43ピクセルである。 包括的アブレーション研究は、3つの提案されたモジュールの相補的な寄与を裏付ける。

関連論文リスト

• DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
  DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。 合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
  論文  参考訳（メタデータ） (2026-08-19T03:44:28Z)
• Adaptive Cross-Modal Fusion with Sparse Attention for Pedestrian Crossing Intention Prediction [4.8915598762204135]
  ADAPT(Adaptive Domain-Aware Pedestrian Crossing Transformer)は、歩行者の横断意図を予測するための多モードフレームワークである。 ADAPTは、RGB画像、局所深度マップ、グローバルセマンティックマップ、グローバル深度マップを含む4つの整列された視覚モードを処理する。 JAADとPIEベンチマークデータセットの実験は、ADAPTが既存の最先端メソッドを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-07-14T03:05:09Z)
• STAGformer: A Spatio-temporal Agent Graph Transformer for Micro Mobility Demand Forecasting [0.0]
  本稿では,線形計算複雑性を伴う効率的なグローバルモデリングを実現するS時間エージェント変換器STAGformerを提案する。 モデルは2段階のエージェントアテンション機構を導入し、学習可能な空間的および時間的エージェントトークンの小さなセットがグローバル情報を集約し、それを個々のステーションやタイムステップにブロードキャストする。 2つの実世界のデータセットの実験により、STAGformerは複数の予測地平線を越えて常に最先端のベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2026-07-07T08:15:20Z)
• SC3-Eval: Evaluating Robot Foundation Models via Self-Consistent Video Generation [73.2142090645987]
  SC3-Evalは、事前訓練されたビデオ基盤モデルを正確なポリシー評価器に適合させる自己一貫性のあるビデオ生成レシピである。 SC3-Evalロールアウトは、実世界のロールアウトでポリシーが示す障害モードを再現し、詳細な診断比較をサポートする。
  論文  参考訳（メタデータ） (2026-06-17T02:15:46Z)
• LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
  本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。 LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
  論文  参考訳（メタデータ） (2026-05-11T09:54:02Z)
• FAST: A Synergistic Framework of Attention and State-space Models for Spatiotemporal Traffic Prediction [5.827179141989176]
  交通モデリングには、大規模なセンサネットワーク上での複雑な時間的ダイナミクスと長距離空間予測が必要である。 我々は,統合された状態トラフィック予測のための注意空間モデリングを組み合わせたフレームワークであるFASTを提案する。 FASTは、Transformer-, GNN-, attention-, Mamba-based familyからの強いベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-04-15T04:05:10Z)
• Telecom World Models: Unifying Digital Twins, Foundation Models, and Predictive Planning for 6G [60.29349053952935]
  本稿では,テレコムシステムダイナミクスの学習,行動条件,不確実性を考慮したモデリングのためのアーキテクチャであるTWM(Telecom World Model)の概念を紹介する。 本研究では,空間環境予測のためのフィールドワールドモデル,動作条件付きキーパフォーマンス指標(KPI)軌道予測のための制御/力学ワールドモデル,意図翻訳とオーケストレーションのための通信基盤モデルレイヤからなる3層アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-04-08T09:41:58Z)
• GEnSHIN: Graphical Enhanced Spatio-temporal Hierarchical Inference Network for Traffic Flow Prediction [0.7605656525323705]
  本稿では,交通流予測における複雑な時間依存性を扱うためのグラフ拡張S時間階層推論ネットワーク(GEnSHIN)を提案する。 公開データセットMETR-LAの実験では、GEnSHINが複数のメトリクスで比較モデルのパフォーマンスを上回ることが示されている。
  論文  参考訳（メタデータ） (2026-01-08T03:27:10Z)
• DMSC: Dynamic Multi-Scale Coordination Framework for Time Series Forecasting [24.202509006348862]
  時系列予測(TSF)は、さまざまなスケールにわたる複雑な時間的依存関係をモデル化する上で、永続的な課題に直面します。 マルチスケールパッチ分解ブロック(EMPD)、トライアドインタラクションブロック(TIB)、適応スケールルーティングMoEブロック(ASR-MoE)を備えた新しい動的マルチスケールコーディネーションフレームワーク(DMSC)を提案する。 EMPDは、指数関数的にスケールした粒度を持つ階層的なパッチにシーケンスを動的に分割する組み込みコンポーネントとして設計されている。 TIBは、各レイヤの分解された表現の中で、パッチ内、パッチ間、およびクロス変数の依存関係を共同でモデル化する。
  論文  参考訳（メタデータ） (2025-08-03T13:11:52Z)
• Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
  自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。 車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。 我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
  論文  参考訳（メタデータ） (2023-12-07T18:53:27Z)
• Global-to-Local Modeling for Video-based 3D Human Pose and Shape Estimation [53.04781510348416]
  フレーム内精度とフレーム間スムーズさにより,映像に基づく3次元人間のポーズと形状推定を評価する。 エンドツーエンドフレームワークGLoT(Global-to-Local Transformer)における長期的・短期的相関のモデル化を構造的に分離することを提案する。 我々のGLoTは、一般的なベンチマーク(3DPW、MPI-INF-3DHP、Human3.6M)において、最も低いモデルパラメータを持つ従来の最先端の手法を上回る。
  論文  参考訳（メタデータ） (2023-03-26T14:57:49Z)

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。