VT-Former：基于图同构与 Transformer 的高速公路监控车辆轨迹预测探索性研究
计算机视觉与模式识别
2024-04-24 v4 人工智能
摘要
提升道路安全已成为智能交通系统(ITS)中计算机视觉的重要焦点领域。作为 ITS 的一部分，车辆轨迹预测(VTP)旨在基于车辆过往与当前运动预测其未来位置。VTP 是道路安全的关键要素，有助于交通管理、事故预防、施工区安全与能量优化等应用。尽管该领域多数工作聚焦于自动驾驶，随着监控摄像头数量增长，面向监控的 VTP 子领域因其特有挑战而兴起。本文中，我们引入 VT-Former，一种基于 Transformer 的用于高速公路安全与监控的 VTP 新方法。除利用 Transformer 捕捉长程时间模式外，我们提出一种新的图注意力分词(GAT)模块以捕捉车辆间复杂社会交互。本研究力求探索将 Transformer 架构与图结合用于 VTP 的优势与局限。我们在来自不同监控视角的三个基准数据集上的研究展示了 VT-Former 在车辆轨迹预测上的最先进(State-of-the-Art, SotA)或可比性能。本研究凸显了 VT-Former 及其架构的潜力，为未来研究探索开辟新途径。
引用
@article{arxiv.2311.06623,
title = {VT-Former: An Exploratory Study on Vehicle Trajectory Prediction for Highway Surveillance through Graph Isomorphism and Transformer},
author = {Armin Danesh Pazho and Ghazal Alinezhad Noghre and Vinit Katariya and Hamed Tabkhi},
journal= {arXiv preprint arXiv:2311.06623},
year = {2024}
}
备注
Completely updated based on the reviews received for the paper