认识你走的路人很重要：基于群体感知的行人轨迹预测
计算机视觉与模式识别
2024-12-04 v1
摘要
理解和预测人类运动在autonomous driving和监视等多样化应用中日益重要且具有挑战性。不同代理人之间关系带来的复杂相互作用是此任务面临的关键挑战之一。研究人员已投入大量精力设计系统，使用基于规则或数据的方法从行人轨迹中提取并验证这些相互作用的模式，但尚未得到充分解决。受人类对待不同关系层次的社交相互作用感知方式的启发，本工作提出GrouP ConCeption(GPCC)模型，包含Group方法，该方法基于长期距离核函数将附近代理人划分为group成员或non-group成员，以及Conception模块，该模块感知围绕目标代理人的视觉和声学信息。跨多个数据集评估的GPCC模型在轨迹预测准确性方面实现了显著提升，验证了其在建模社交和individual dynamics方面的有效性。定性分析还表明，GPCC框架成功地利用了人类直观的方式的分组和感知线索，验证了所提出模型在行人轨迹预测中的可解释性。
引用
@article{arxiv.2412.02395,
title = {Who Walks With You Matters: Perceiving Social Interactions with Groups for Pedestrian Trajectory Prediction},
author = {Ziqian Zou and Conghao Wong and Beihao Xia and Qinmu Peng and Xinge You},
journal= {arXiv preprint arXiv:2412.02395},
year = {2024}
}
备注
15 pages, 10 figures, submitted to CVPR 2025