論文の概要: STC-MGNet: Spatial-Temporal-Channel Attention-Enhanced Multimodal Graph Network for Pedestrian Intention Prediction

• arxiv url: http://arxiv.org/abs/2610.23356v1
• Date: Fri, 16 Oct 2026 12:01:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.910195
• Title: STC-MGNet: Spatial-Temporal-Channel Attention-Enhanced Multimodal Graph Network for Pedestrian Intention Prediction
• Title（参考訳）: STC-MGNet:歩行者注意予測のための空間時間・チャネル注意強化マルチモーダルグラフネットワーク
• Abstract要約: 本稿では,歩行者横断意図予測のための時空間アテンション・アテンション・アテンション・グラフ・ネットワーク(STC-Net)を提案する。 3つの平行注意枝は、骨格情報ジョイント、観察フレーム、特徴骨格チャネルを強調し、その出力は学習可能な融合重みによって統合される。 STC-NetMGは, JAADbeh, JAADall, PIEデータセットにおいて, それぞれ70%, 87%, 87%の精度が得られた。
• 参考スコア（独自算出の注目度）: 10.141206453722353
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate prediction of pedestrian crossing intentions plays a critical role in enhancing the safety of pedestrian-vehicle interactions in autonomous driving. However, effectively capturing subtle spatiotemporal patterns in pedestrian pose sequences and integrating complementary visual and ego-vehicle motion information remain challenging. This paper proposes a spatial-temporal-channel attention-enhanced multimodal graph network (STC-MGNet) for pedestrian crossing intention prediction. STC-MGNet introduces a spatial-temporal-channel (STC) attention-enhanced pose graph encoder to learn discriminative representations from pedestrian pose sequences. Three parallel attention branches selectively emphasize informative skeletal joints, observation frames, and feature channels, with their outputs integrated through learnable fusion weights. To leverage complementary visual and ego-vehicle motion information, a multi-stage cross-modal channel modulation mechanism is introduced to adaptively refine pose representations through modality-specific channel gating at successive graph encoding stages. Experimental results demonstrate that STC-MGNet achieves accuracy rates of 70%, 87%, and 88% on the JAADbeh, JAADall, and PIE datasets, respectively, outperforming several representative baseline methods. Ablation experiments further highlight the complementary contributions of visual and ego-vehicle motion information to prediction performance.
• Abstract（参考訳）: 道路横断意図の正確な予測は、自動運転における歩行者と車両の相互作用の安全性を高める上で重要な役割を担っている。 しかし、歩行者のポーズシーケンスにおける微妙な時空間パターンを効果的に捉え、相補的な視覚と自我車の動き情報を統合することは依然として困難である。 本稿では,歩行者横断意図予測のための時空間アテンション型マルチモーダルグラフネットワーク(STC-MGNet)を提案する。 STC-MGNetは、歩行者のポーズシーケンスから識別表現を学ぶために、空間時空間チャネル(STC)注目型ポーズグラフエンコーダを導入している。 3つの平行注意枝は、情報的骨格関節、観察フレーム、特徴チャネルを選択的に強調し、その出力は学習可能な融合重みを通して統合される。 多段階のクロスモーダルチャネル変調機構を導入し、連続したグラフ符号化段階におけるモダリティ特異的チャネルゲーティングを通じてポーズ表現を適応的に洗練する。 STC-MGNetは, JAADbeh, JAADall, PIEデータセットにおいて, それぞれ70%, 87%, 88%の精度を達成し, 代表的なベースライン法より優れていた。 アブレーション実験は、予測性能に対する視覚と車体の動き情報の相補的な寄与をさらに強調する。

関連論文リスト

• A Dynamic Scene Interaction Reasoning Framework for Scene-level Lane-Change Intention and Trajectory Prediction of Multiple Interacting Vehicles [6.830580384536778]
  本研究では,交通現場における車両の車線変更意図と将来の軌跡を予測する動的シーングラフアテンションフレームワークを提案する。 NGSIM I-80、NGSIM US-101、高次元データセットの実験では、競合するベースラインよりも一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-07-02T23:55:53Z)
• Traffic-Aware Pedestrian Intention Prediction [2.5240171181791276]
  本稿では,交通標識とその状態と歩行者の意図を予測する交通対応時空間グラフ畳み込みネットワーク(TA-STGCN)を提案する。 提案手法では,複雑な都市環境における空間的・時間的依存関係を抽出し,動的交通信号状態と境界ボックスサイズを重要な特徴とする手法を提案する。
  論文  参考訳（メタデータ） (2025-07-16T17:20:36Z)
• GTransPDM: A Graph-embedded Transformer with Positional Decoupling for Pedestrian Crossing Intention Prediction [5.647541727494757]
  GTransPDMは多モード特徴を利用した歩行者横断意図予測のために開発された。 PIEデータセットでは92%の精度で、JAADデータセットでは87%の精度で処理速度は0.05msである。
  論文  参考訳（メタデータ） (2024-09-30T12:02:17Z)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)
• A Sparse Cross Attention-based Graph Convolution Network with Auxiliary Information Awareness for Traffic Flow Prediction [41.66129197681683]
  この研究はAIMSANというディープエンコーダデコーダモデルを提案する。 補助情報認識モジュール(AIM)とスパースクロスアテンションベースのグラフ畳み込みネットワーク(SAN)を含んでいる。 提案手法は最先端のアルゴリズムと競合する性能を持つが、GPUメモリ使用量の35.74%、トレーニング時間の42.25%、検証時間の45.51%を節約できる。
  論文  参考訳（メタデータ） (2023-12-14T15:48:23Z)
• Spatial-Temporal Correlation and Topology Learning for Person Re-Identification in Videos [78.45050529204701]
  クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。 CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。 グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
  論文  参考訳（メタデータ） (2021-04-15T14:32:12Z)
• Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
  本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。 我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-07-23T14:31:25Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。