窥视未来：预测视频中未来的人体活动与位置
计算机视觉与模式识别
2019-06-04 v3
摘要
从视频中解读人类行为以预测其未来路径/轨迹以及他们将要做的事情在许多应用中非常重要。受此想法启发，本文研究了联合预测行人的未来路径与未来活动。我们提出了一种端到端的多任务学习系统，利用有关人类行为信息及其与周围环境交互的丰富视觉特征。为了促进训练，网络通过预测活动将发生的未来位置这一辅助任务进行学习。实验结果证明了我们在两个公开的未来轨迹预测基准上达到了 SOTA 性能。此外，除了路径之外，我们的方法还能够产生有意义的未来活动预测。结果提供了首个经验证据，表明对路径和活动的联合建模有利于未来路径预测。
引用
@article{arxiv.1902.03748,
title = {Peeking into the Future: Predicting Future Person Activities and Locations in Videos},
author = {Junwei Liang and Lu Jiang and Juan Carlos Niebles and Alexander Hauptmann and Li Fei-Fei},
journal= {arXiv preprint arXiv:1902.03748},
year = {2019}
}
备注
In CVPR 2019. Code, models and more results are available at: https://next.cs.cmu.edu/