以智能体为中心的风险评估：事故预测与危险区域定位
计算机视觉与模式识别
2017-05-19 v1
摘要
为了生存，一个活的智能体必须具备评估风险的能力：(1)在事故发生前于时间上预测事故，以及(2)在空间上定位环境中的危险区域以远离威胁。在本文中，我们采用以智能体为中心的方法来研究事故预测和危险区域定位任务。我们提出了一种新颖的软注意力循环神经网络(RNN)，它显式地建模了触发事件的智能体与涉及的另一智能体或静态区域之间在空间和外观上的非线性交互。为了测试我们提出的方法，我们引入了Epic Fail (EF)数据集，包含3000个记录各种事故的病毒视频。在实验中，我们在EF数据集和Street Accident (SA)数据集上评估了时间域（事故预测）和空间域（危险区域定位）的风险评估准确性。我们的方法在两个数据集上均持续优于其他基线方法。
引用
@article{arxiv.1705.06560,
title = {Agent-Centric Risk Assessment: Accident Anticipation and Risky Region Localization},
author = {Kuo-Hao Zeng and Shih-Han Chou and Fu-Hsiang Chan and Juan Carlos Niebles and Min Sun},
journal= {arXiv preprint arXiv:1705.06560},
year = {2017}
}