超越个体：引入群体意图预测及SHOT数据集
计算机视觉与模式识别
2025-10-02 v3 人工智能
摘要
意图识别传统上聚焦于个体意图，忽视了群体场景中集体意图的复杂性。为解决这一局限，我们引入了群体意图的概念，即通过多人的行为涌现出的共享目标，以及群体意图预测（Group Intention Forecasting, GIF），一种通过分析个体行为与交互来预测集体目标变得明显之前群体意图何时出现的新型任务。为在特定场景中研究GIF，我们提出了SHOT——首个用于GIF的大规模数据集，包含来自5个视角拍摄的1979段篮球视频片段，并标注了6种个体属性。SHOT具有3个关键特征：多个体信息、多视角适应性、多层次意图，使其非常适合研究涌现的群体意图。此外，我们提出了GIFT（Group Intention ForecasTer），一个提取细粒度个体特征并建模演化群体动态以预测意图涌现的框架。实验结果证实了SHOT和GIFT的有效性，为群体意图预测的未来研究奠定了坚实基础。该数据集可在 https://xinyi-hu.github.io/SHOT_DATASET 获取。
引用
@article{arxiv.2509.20715,
title = {Beyond the Individual: Introducing Group Intention Forecasting with SHOT Dataset},
author = {Ruixu Zhang and Yuran Wang and Xinyi Hu and Chaoyu Mai and Wenxuan Liu and Danni Xu and Xian Zhong and Zheng Wang},
journal= {arXiv preprint arXiv:2509.20715},
year = {2025}
}
备注
ACMMM 2025 Datasets Track