CrowdMAC：面向鲁棒人群密度预测的掩码式人群密度完成框架
计算机视觉与模式识别
2024-11-28 v3 人工智能
机器人学
摘要
人群密度预测任务旨在预测从观察到的过去人群密度图中未来人群密度图的变化。然而，由于行人检测漏报，过去的人群密度图常常不完整，因此需要开发鲁棒的预测模型以应对检测漏报。本文提出了MAsked crowd density Completion框架用于人群密度预测（CrowdMAC），该框架在同时从部分掩码后的过去人群密度图（即从存在检测漏报的过去图进行预测）进行预测，同时重建被掩码的观测图（即补全存在检测漏报的过去图）。此外，我们提出了时序密度感知掩码（TDM），该方法考虑到人群密度图的稀疏性以及后续帧对预测任务的信息性，对观察图中的token进行非均匀掩码。我们还引入多任务掩码以提高训练效率。在实验中，CrowdMAC在包括 SDD、ETH-UCY、inD、JRDB、VSCrowd、FDST和croHD在内的七个大型数据集上实现了最先进的性能。我们还展示了该方法在同时应对合成和真实检测漏报情况下的鲁棒性。代码已发布于 https://fujiry0.github.io/CrowdMAC-project-page。
引用
@article{arxiv.2407.14725,
title = {CrowdMAC: Masked Crowd Density Completion for Robust Crowd Density Forecasting},
author = {Ryo Fujii and Ryo Hachiuma and Hideo Saito},
journal= {arXiv preprint arXiv:2407.14725},
year = {2024}
}
备注
Accepted to WACV 2025