SITUATE：通过几何特征与自监督视觉表征实现室内人体轨迹预测
计算机视觉与模式识别
2024-09-04 v1 机器学习
摘要
由于环境范围及其中人们的典型意图不同，室外和室内环境中的人体运动模式存在显著差异。虽然室外轨迹预测已受到广泛关注，但室内预测仍是一个探索不足的研究领域。本文提出了 SITUATE，一种通过利用等变与不变几何特征以及自监督视觉表征来处理室内人体轨迹预测的新方法。几何学习模块对室内空间固有的对称性和人体运动进行建模。由于室内轨迹常以不同尺度的自环和快速方向变化为特征，这一概念变得尤为重要。另一方面，视觉表征模块用于获取关于环境的空间-语义信息，以更准确地预测用户未来的位置。我们通过在两个最著名的室内轨迹预测数据集（即 TH"OR 和 Supermarket）上的综合实验评估了我们的方法，获得了最先进的性能。此外，我们还在室外场景中取得了有竞争力的结果，表明面向室内的预测模型比面向室外的模型具有更好的泛化能力。源代码可在 https://github.com/intelligolabs/SITUATE 获取。
引用
@article{arxiv.2409.00774,
title = {SITUATE: Indoor Human Trajectory Prediction through Geometric Features and Self-Supervised Vision Representation},
author = {Luigi Capogrosso and Andrea Toaiari and Andrea Avogaro and Uzair Khan and Aditya Jivoji and Franco Fummi and Marco Cristani},
journal= {arXiv preprint arXiv:2409.00774},
year = {2024}
}
备注
Accepted at the 27th International Conference on Pattern Recognition (ICPR 2024)