连续 locomotive 人群行为生成

建模与再现人群行为在心理学、机器人、交通工程和虚拟环境等多个领域都很重要。传统方法侧重于合成瞬时场景，难以复制现实人群的连续性。本文介绍一种用于自动生成具有异构行为和个体间相互作用的连续、真实人群�迹的新方法。我们首先设计了 Crowd emitter 模型。为此，在人群生成之前，从单张输入图像中获取空间布局，包括分割图、外观图、人口密度图和人口概率。然后，emitter 通过分配独立的行为特征（如代理人类型、速度和起止位置）来在时间轴上持续放置个体，使用扩散模型。接着，我们的 Crowd simulator 生成其长期 locomotion。为模拟多样化的动作，它可以基于马尔可夫链增强其行为。因此，我们的整体框架通过交替使用所提出的 emitter 和 simulator 来生成具有异构人群行为的场景。值得注意的是，框架中的所有组件都可由用户控制。最后，我们提出了一个基准协议，用于评估生成人群在场景层级人口动力学和individual层级轨迹准确性方面的真实性和质量。我们展示了该方法有效地建模了多样化的人群行为模式，并在不同地理环境中表现出良好的概括性。代码已公开提供，链接为 https://github.com/InhwanBae/CrowdES 。