論文の概要: Unified Trajectory and 3D Pose Forecasting for Multi-Agent Sports Analysis
- arxiv url: http://arxiv.org/abs/2610.30519v1
- Date: Wed, 21 Oct 2026 22:57:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.173002
- Title: Unified Trajectory and 3D Pose Forecasting for Multi-Agent Sports Analysis
- Title（参考訳）: マルチエージェントスポーツ分析のための統一軌跡と3次元ポース予測
- Abstract要約: 将来の人間の動きを予測するには、エージェントのグローバルな軌道と3Dボディポーズについて共同で推論する必要がある。
我々は、軌道を融合し、入力レベルに作用する社会時空間エンコーダを利用し、共有因子化された注意を通してそれらを共同でモデル化する。
提案手法は,WorldPose と 3DPW の組合せ予測手法よりも優れており,ポーズの精度が最大である。
- 参考スコア（独自算出の注目度）: 18.273162650617703
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Forecasting future human motion requires jointly reasoning about an agent's global trajectory and 3D body pose, which are tightly coupled, particularly in team sports where multiple interacting players introduce complex social dynamics. We exploit a socio-temporal encoder that fuses trajectory and pose at the input level and models them jointly through shared factorized attention. The model is further enhanced by a per-joint loss reweighting scheme that emphasizes dynamic joints and prevents degenerate solutions, and a frequency-domain trajectory smoothing term that improves trajectory prediction while indirectly benefiting pose forecasting. To ensure fair comparison with prior joint forecasting methods, we identify and correct evaluation biases arising from overlapping sequence construction, adopting instead a non-overlapping protocol and a deterministic, oracle-free strategy for multi-future prediction. Our approach improves over prior joint forecasting methods on both WorldPose and 3DPW, with the largest gains on pose accuracy, demonstrating that the proposed joint formulation generalizes beyond the densely interactive scenarios that motivate it.
- Abstract（参考訳）: 将来の人間の動きを予測するには、エージェントのグローバルな軌跡と3Dボディーポーズを共同で推論する必要がある。
我々は、軌道を融合し、入力レベルに作用する社会時空間エンコーダを利用し、共有因子化された注意を通してそれらを共同でモデル化する。
このモデルは、動的継手を強調して退化を防止できる結合損失再重み付け方式と、ポーズ予測を間接的に有利にしながら軌道予測を改善する周波数領域軌道平滑化項によりさらに強化される。
従来の共同予測手法と公正に比較するために,重なり合うシーケンス構成から生じる評価バイアスを同定し,その代わりに重複しないプロトコルと,マルチ未来予測のための決定論的・オラクルフリー戦略を採用する。
提案手法は,WorldPose と 3DPW の双方での先行的な共同予測手法よりも改善され,提案手法は,その動機となる密接な対話シナリオを超越して一般化することを示す。
関連論文リスト
- HarmoWAM: Harmonizing Generalizable and Precise Manipulation via Adaptive World Action Models [58.191567345416836]
世界行動モデル(WAM)は、物理力学のモデリングによるロボット制御のための有望なパラダイムとして登場した。
HarmoWAMは、予測と反応の制御を統一するために世界モデルを完全に活用し、一般的なトランジットと正確な操作を可能にする。
実世界の6つのロボットタスクにまたがる3つのトレーニング未確認テスト環境を構築し、背景、位置、オブジェクトの意味のバリエーションをカバーした。
論文 参考訳（メタデータ） (2026-05-11T17:59:56Z) - Chatting about Conditional Trajectory Prediction [9.783060985404386]
条件付き軌道予測(CiT)のためのクロス時間領域意図対話法を提案する。
提案したCitは、時間とともに行動意図を共同で分析し、異なる時間領域における情報補完と統合を実現する。
さらに、CitTはロボットの動き計画と制御モジュールと密に統合し、任意の軌道予測結果を生成するように設計されている。
論文 参考訳（メタデータ） (2026-04-20T11:44:16Z) - Generative forecasting with joint probability models [2.8367488114717094]
カオス力学系は初期条件に対して強い感度を示し、しばしば未解決のマルチスケールプロセスを含む。
生成モデルは、可算なシステムの進化よりも分布を学習することで、魅力的な代替手段を提供する。
共同生成モデルにより,短期予測能力の向上,アトラクタ幾何の保存,およびより正確な長距離統計的挙動が得られた。
論文 参考訳（メタデータ） (2025-12-30T20:00:09Z) - SocialMOIF: Multi-Order Intention Fusion for Pedestrian Trajectory Prediction [21.780343024406285]
SocialMOIFはこれらの課題に対処するために提案されており、近隣グループ間の高次の意図的相互作用に集中している。
SocialMOIF内では、軌道分布近似器が軌道を実際のデータとより密に整合する値へと導くように設計されている。
より正確で効率的な並列予測を可能にするために、グローバルな軌道が導入された。
論文 参考訳（メタデータ） (2025-04-22T06:14:49Z) - Hybrid-Prediction Integrated Planning for Autonomous Driving [26.549857543338963]
本稿では,3つのモジュールを新たに設計したハイブリッド予測統合計画(HPP)システムを提案する。
まず, 限界条件付き占有率予測を導入し, 共同占有率とエージェント・ワイド・インセプションとを一致させる。
第2に,ゲーム理論に基づく動作予測器GTFormerを提案する。
第3に、ハイブリッド予測パターンはEgo Plannerと並列に統合され、予測ガイダンスによって最適化される。
論文 参考訳（メタデータ） (2024-02-04T09:51:19Z) - Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。
本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。
マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
論文 参考訳（メタデータ） (2024-01-22T18:58:22Z) - Generative Hierarchical Temporal Transformer for Hand Pose and Action Modeling [67.94143911629143]
ハンドポーズとアクションをモデル化するための生成型Transformer VAEアーキテクチャを提案する。
手ポーズとアクションのセマンティックな依存性と時間的粒度を忠実にモデル化するために、我々はこのフレームワークを2つのケース化されたVAEブロックに分解する。
その結果,独立解よりも認識と予測の連成モデリングが向上することが示唆された。
論文 参考訳（メタデータ） (2023-11-29T05:28:39Z) - Motion-Scenario Decoupling for Rat-Aware Video Position Prediction:
Strategy and Benchmark [49.58762201363483]
本研究では,個人や環境の影響要因を考慮し,生物ロボットの動き予測データセットであるRatPoseを紹介する。
本稿では,シナリオ指向とモーション指向を効果的に分離するDual-stream Motion-Scenario Decouplingフレームワークを提案する。
難易度が異なるタスクに対して,提案したtextitDMSD フレームワークの大幅な性能向上を示す。
論文 参考訳（メタデータ） (2023-05-17T14:14:31Z) - Pose-Oriented Transformer with Uncertainty-Guided Refinement for
2D-to-3D Human Pose Estimation [51.00725889172323]
本研究では,3次元ポーズ推定のための不確実性ガイド付き多目的変換器(POT)を提案する。
我々はまず,人骨のトポロジーを明示的に活用するために,新しいポーズ指向の自己注意機構と距離関連位置埋め込みを開発した。
本稿では,特に難解な関節に対するPOTからのポーズ予測を洗練させるために,不確実性誘導型リファインメントネットワーク(UGRN)を提案する。
論文 参考訳（メタデータ） (2023-02-15T00:22:02Z) - HYPER: Learned Hybrid Trajectory Prediction via Factored Inference and
Adaptive Sampling [27.194900145235007]
本稿では,汎用的で表現力豊かなハイブリッド予測フレームワークHYPERを紹介する。
トラヒックエージェントをハイブリッドな離散連続システムとしてモデル化することにより、我々のアプローチは時間とともに離散的な意図の変化を予測することができる。
我々は、Argoverseデータセット上でモデルをトレーニングし、検証し、その効果を包括的アブレーション研究と最先端モデルとの比較を通して実証する。
論文 参考訳（メタデータ） (2021-10-05T20:20:10Z)
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。