論文の概要: Probabilistic Pedestrian Forecasts from a Handheld Phone: World-Frame Heat Maps, Visual-Inertial Height Drift, and Evaluation without Ground Truth

• arxiv url: http://arxiv.org/abs/2610.04736v1
• Date: Sat, 03 Oct 2026 20:01:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 17:15:41.475738
• Title: Probabilistic Pedestrian Forecasts from a Handheld Phone: World-Frame Heat Maps, Visual-Inertial Height Drift, and Evaluation without Ground Truth
• Title（参考訳）: 携帯端末からの確率論的歩行者予測:世界フレームヒートマップ、ビジュアル・慣性高度ドリフト、地中真実のない評価
• Abstract要約: スマートフォンを持った歩行者は、近くの人が数秒以内にどこにいるかを示すことができる。もし予測が地上に留まり、携帯電話が動いている間、調整され、モノクロカメラと視覚慣性眼振計(VIO)しか必要としない。 線平面交叉により床上に持ち上げられ、重力整列距離フレームで追跡され、鳥眼(SDD)と1対1(EgoTraj-Bench)で負の対数損失(NLL)を訓練した小さなU-Netにより、ステップごとの確率マップとして予測される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A pedestrian with a phone could be shown where nearby people will be in the next few seconds, if the forecast stays on the ground while the phone moves, is calibrated, and needs only a monocular camera and visual-inertial odometry (VIO). We build and evaluate such a system. People are detected, lifted onto the floor by ray-plane intersection, tracked in a gravity-aligned metric frame, and forecast as per-step probability maps by a small U-Net trained with a negative log-likelihood (NLL) loss on bird's-eye (SDD) and first-person (EgoTraj-Bench) trajectories. On handheld ADVIO recordings, vertical VIO drift and the user's own changes of level silently rescale monocular ground positions (by 87% within 90 s on one clip; on another, all tracks are lost for the last 31% of the clip); keeping the camera's height above the floor constant under a low-pass-filtered altitude avoids this, though it lags on escalators. On the SDD and EgoTraj-Bench test splits, the final forecaster lowers the NLL at 4.8 s by 1.51 and 1.37 nats relative to a fitted constant-velocity Gaussian. Lacking ground truth for people in handheld video, we score forecasts against the tracker's own later raw measurements. In an internally pre-registered evaluation on seven held-out clips, the final forecaster's NLL is lower than the benchmark-fitted baseline's at 1.2, 2.4 and 4.8 s (by 0.17, 0.23 and 0.47 nats; 95% intervals over people exclude zero), but by less than half as much as on the development clips. Exploratory analyses cut both ways: resampling clips instead of people widens the intervals to include zero at 1.2 and 2.4 s, and once both forecasters are recalibrated on the development clips the network is significantly better only at 1.2 s; but two clips run with ADVIO's reference poses favour the network much more when re-run with the phone's own poses. We discuss what such self-consistency scores can and cannot show.
• Abstract（参考訳）: スマートフォンを装着した歩行者は、予測が移動中に地上に留まり、校正され、モノクロカメラと視覚慣性オドメトリー(VIO)のみを必要とする場合、近くの人々が今後数秒以内にどこにいるかを示すことができる。 このようなシステムを構築し評価する。 線平面交叉により床上に持ち上げられ、重力整列距離で追跡され、鳥眼(SDD)と1対1(EgoTraj-Bench)軌道で負の対数損失(NLL)を訓練した小さなU-Netにより、ステップごとの確率マップとして予測される。 ハンドヘルドADVIO記録では、垂直VIOドリフトとユーザー自身のモノクロの地上位置の無音再スケール(クリップの90秒以内で87%、クリップの最後の31%で全てのトラックが失われる)は、低パスフィルターの高度下でカメラの高さを一定に保つことで、エスカレーターに遅延するが、これを避けることができる。 SDD と EgoTraj-Bench のテスト分割では、最終予測器が NLL を4.8 s で 1.51 と 1.37 で下げる。 ハンドヘルド動画では、追跡者の後の生測値に対して予測結果が得られます。 7つの保留クリップの事前登録評価では、最終予測器のNLLは、ベンチマーク適合ベースラインの1.2、2.4、および4.8秒(0.17、0.23、0.47ナット)よりも低いが、開発クリップの半分以下である。 人ではなくクリップを再サンプリングすることで、インターバルを1.2秒と2.4秒に拡大し、両方の予測器が開発クリップに再分類されると、ネットワークは1.2秒で大幅に改善されるが、ADVIOの参照ポーズで実行される2つのクリップは、携帯電話自身のポーズで再実行する際に、ネットワークをより好んでいる。 このような自己整合性スコアがどのようなもので、表示できないかについて論じる。

関連論文リスト

• GroundingPI: A Grounding Foundation Model towards Physical Intelligence with Visual Primitives [90.01527882097555]
  共有語彙の量子化座標として点と箱を生成する4B基底基底モデルである GroundingPI を導入する。 トレーニングは、マルチモーダルおよび空間事前訓練、教師付き微調整、強化学習をGRPOと組み合わせる。 下流の視覚バックボーンとして、BoundingPIはロボット操作と自律運転の性能を改善している。
  論文  参考訳（メタデータ） (2026-09-30T12:20:54Z)
• GAUGE: Group-Wise View-Inconsistency Rectification for Feed-Forward 4D Tracking [48.91477882822122]
  本稿では,GAUGE(Group-wise Adaptive Unsupervised Gauge Estimation)について述べる。 方向整合性と空間接続性から運動群を復元し、フレーム単位のラジアルスケールとグループレベルの変換を推定する。 D4RT, 4RC, SM4RTを含む8つのトラッカーの動的クエリポイントでは, 訂正されていない予測に対して, 終端誤差を15.1%から62.6%削減する。
  論文  参考訳（メタデータ） (2026-09-26T13:14:53Z)
• Training-Free Hold-Usage Detection in Sport Climbing with Foundation Pose Models [0.981328290471248]
  凍結したオフザシェルフポーズ基礎モデルで十分であることを示す。 登山訓練なしでホールドの使用を検知する。
  論文  参考訳（メタデータ） (2026-09-24T16:00:51Z)
• Predict Before You Step: Auditable Occupancy Forecasting for Dynamic Obstacle Avoidance under Sparse Guidance [18.93557165573682]
  スパースウェイポイント誘導下の脚ロボットは、部分的かつ急速に変化するLiDAR観測を用いて障害物の移動を避ける必要がある。 本稿では,50Hzのフリーズコントローラにスパースウェイポイント誘導を接続するローカル回避ポリシーである LOOP を提案する。 LOOPは2.5-3.2m/sの障害物速度で57.1%成功し、リトレーニングされた反応性ベースラインを8.2ポイント上回る。
  論文  参考訳（メタデータ） (2026-09-22T10:25:51Z)
• ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
  大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。 モデル自身の失敗から両方を得るReDraftを紹介します。
  論文  参考訳（メタデータ） (2026-09-15T04:59:03Z)
• TAPVid-MV: A Benchmark for Tracking Any Point in 3D Across Multiple Views [50.26507994908593]
  この設定の最初のベンチマークであるTAPVid-MV(Tracking Any Point in Video across Multiple Views)を紹介します。 キュレートされた284のシーケンス、1,142のキャリブレーションされたカメラストリーム、109,769のトラックが、屋内と屋外のドメインにまたがる7つのサブセットにまたがっている。 本研究では,センサ深度,LiDAR,SLAM,SfM点,ヒューマンメッシュ,ポーズされたオブジェクトメッシュ,シミュレーションといった,データセット固有の補助的モダリティを用いてこれらのトラジェクトリを解析し,各シーケンスとトラジェクトリを人間のアノテーションによって視覚的に検証する。
  論文  参考訳（メタデータ） (2026-09-01T21:58:51Z)
• Moving Like a Human: Ego-Motion-Normalized Temporal Signatures for Real-Time Aerial Person Tracking on Milliwatt-Class Hardware [1.932555230783329]
  追跡はドローン自体で行わなければならない。 EMT-Detは、エゴモーションを推定する5段階のシステムである。 Raspberry Pi Zero 2Wでは、パイプラインは31.85 FPS、AP25は0.462、UAVは0.714である。
  論文  参考訳（メタデータ） (2026-07-09T19:30:00Z)
• Two-Pass Zero-Shot Temporal-Spatial Grounding of Rare Traffic Events in Surveillance Video [0.0]
  実際のCCTV映像における地上交通事故は、ラベル付き事故映像のトレーニングがしばしば禁止される希少な問題である。 我々は、凍結した視覚言語モデルからこのジョイント出力を引き出す、微調整のパイプラインを提案する。
  論文  参考訳（メタデータ） (2026-05-02T16:05:44Z)
• Meta-Continual Mobility Forecasting for Proactive Handover Prediction [0.3906427348768226]
  短期移動予測は、セルネットワークにおけるアクティブハンドオーバ(HO)のコア要件である。 本稿では,GRUベースの予測器と高速な数ショット適応のためのReptileメタ初期化と,ドリフトの発生時にのみコンパクトなオンライン更新をトリガするEWMA残差検出を統合した軽量なメタコンチネンタル予測フレームワークを提案する。 モデルは軽量(128kパラメータ)で、5Gおよび6Gシステムのエッジ展開に適している。
  論文  参考訳（メタデータ） (2025-12-03T19:48:20Z)

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。