論文の概要: FlowMoP: Stochastic Multi-Person Motion Prediction
- arxiv url: http://arxiv.org/abs/2611.09882v1
- Date: Fri, 06 Nov 2026 18:56:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-10 12:00:36.769038
- Title: FlowMoP: Stochastic Multi-Person Motion Prediction
- Title(参考訳): FlowMoP:確率的マルチパーソン動作予測
- Abstract要約: 本稿では,複数エージェントに対する多種多様な将来の動きを共同で生成する条件付きフローマッチングフレームワークを提案する。
二流変圧器は、各エージェントが観測した隣り合う動きを予測し、相互作用を意識した予測を行う。
提案手法はCMU-Mocapと3DPWの最先端性能を実現し, 関節位置誤差, ポーズ誤差, 最終変位誤差に対する決定論的ベースラインよりも優れていた。
- 参考スコア(独自算出の注目度): 46.56524530136974
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Predicting the future motion of multiple people is inherently stochastic: the same observed history admits many plausible continuations depending on intent, coordination, and social context. Yet the dominant paradigm in multi-person 3D motion prediction remains deterministic, with existing methods producing a fixed number of outputs per agent. In contrast, we present a conditional flow matching framework that jointly generates diverse future motions for multiple agents, modeling both global trajectories and root-relative poses. A B-spline reparameterization compresses the generative state space while enforcing temporal smoothness, and a dual-stream transformer conditions each agent's predictions on observed neighbor motion for interaction-aware forecasting. Our method achieves state-of-the-art performance on CMU-Mocap (UMPM) and 3DPW, outperforming deterministic baselines on joint position error, pose error, and final displacement error despite producing a full predictive distribution. We additionally establish the first motion prediction baseline on WorldPose, a large-scale professional soccer dataset, where social conditioning demonstrably concentrates predictive uncertainty along interaction-constrained directions.
- Abstract(参考訳): 複数人の将来の動きを予測することは本質的に確率的であり、同じ観察された歴史は意図、調整、社会的文脈によって多くのもっともらしい連続が認められる。
しかし、マルチパーソン3次元動作予測における支配的なパラダイムは決定論的であり、既存の手法ではエージェントごとに一定の数の出力を生成する。
対照的に,複数エージェントに対する多様な将来の動きを共同で生成する条件付きフローマッチングフレームワークを提案し,グローバルな軌跡とルート相対的なポーズの両方をモデル化する。
B-スプライン再パラメータ化は、時間的滑らかさを保ちながら生成状態空間を圧縮し、各エージェントが観測された隣の動作に対して予測する2ストリームトランスフォーマー条件を相互作用認識予測に用いる。
提案手法は,CMU-Mocap (UMPM) および 3DPW 上での最先端性能を達成し,完全な予測分布を生成するにもかかわらず,関節位置誤差,ポーズ誤差,最終変位誤差の決定論的ベースラインよりも優れていた。
さらに,大規模プロサッカーデータセットであるWorldPoseに,対話制約のある方向に沿って,社会的条件付けが予測の不確実性に集中する,最初の動き予測ベースラインを確立する。
関連論文リスト
- Unified Trajectory and 3D Pose Forecasting for Multi-Agent Sports Analysis [18.273162650617703]
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。
論文 参考訳(メタデータ) (2026-10-21T22:57:56Z) - World-Calibrated Proposal-to-Action Flow for Vision-Language-Action Models [79.30575944315403]
Flow-based Vision-Language-Action Policy generated action chunks by transporting sample from a task-agnostic isotropic Gaussian source。
このソースは、最近の実行も将来の進化も予測しないので、最近実行された動きによって確立された局所的な連続性を捨てる。
生成元自体を予測可能にする,世界キャリブレーションされたプロポーザル・ツー・アクション・フレームワークであるProActを紹介する。
論文 参考訳(メタデータ) (2026-10-01T18:00:11Z) - From Where to How: Continuous 4D Interaction Forecasting from Egocentric Video [62.898774619819676]
エゴセントリックな4Dインタラクション予測は、将来のインタラクションが3Dで起こる場所と、その実現のために人体がどのように動くかを予測することを目的としている。
コヒーレント4D(Coherent4D)は、3つの領域にわたる約233Kサンプルからなる連続4Dインタラクション予測のための大規模エゴセントリックデータセットである。
HIGFlow(Hand Interaction Guided Residual Flow)フレームワークを提案する。
論文 参考訳(メタデータ) (2026-09-08T12:06:23Z) - AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving [59.94343412438211]
本稿では,GPT方式の次のトークン動作予測を動作予測に導入する。
同種単位-ワードからなる言語データとは異なり、運転シーンの要素は複雑な空間的・時間的・意味的な関係を持つ可能性がある。
そこで本稿では,情報集約と位置符号化スタイルの異なる3つの因子化アテンションモジュールを用いて,それらの関係を捉えることを提案する。
論文 参考訳(メタデータ) (2024-03-20T06:22:37Z) - TransFusion: A Practical and Effective Transformer-based Diffusion Model
for 3D Human Motion Prediction [1.8923948104852863]
本研究では,3次元動作予測のための革新的で実用的な拡散モデルであるTransFusionを提案する。
我々のモデルは、浅い層と深い層の間の長いスキップ接続を持つバックボーンとしてTransformerを活用している。
クロスアテンションや適応層正規化のような余分なモジュールを利用する従来の拡散モデルとは対照的に、条件を含む全ての入力をトークンとして扱い、より軽量なモデルを作成する。
論文 参考訳(メタデータ) (2023-07-30T01:52:07Z) - CoMusion: Towards Consistent Stochastic Human Motion Prediction via Motion Diffusion [6.862357145175449]
本稿では,単一段階の終端拡散型HMPフレームワークであるCoMusionを提案する。
CoMusionは、スムーズな将来のポーズ予測性能が空間予測性能を改善するという洞察から着想を得ている。
提案手法はTransformer-GCNモジュール設計と分散スケジューラによって促進され,精度,現実性,一貫した動作を予測する。
論文 参考訳(メタデータ) (2023-05-21T19:31:56Z) - Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。
我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。
スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
論文 参考訳(メタデータ) (2022-03-25T16:59:08Z)
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。