Cross-domain Trajectory Prediction with CTP-Net

要約

ほとんどの歩行者の軌跡予測方法は、膨大な量の軌跡アノテーションに依存しており、時間と費用がかかります。
さらに、十分にトレーニングされたモデルは、別のカメラでキャプチャされた新しいシナリオに効果的に一般化されない場合があります。
したがって、アノテーション付きのソース ドメインでトレーニングされたモデルをターゲット ドメインに適応させることが望ましいです。
軌道予測のドメイン適応を実現するために、クロスドメイン軌道予測ネットワーク (CTP-Net) を提案します。
このフレームワークでは、観測された軌跡をエンコードするために両方のドメインでエンコーダーが使用され、次にそれらの特徴がクロスドメインの特徴弁別器によって整列されます。
さらに、観測された軌跡と予測された軌跡との間の一貫性を考慮して、ターゲットドメインオフセット弁別器を利用して、将来の軌跡予測を敵対的に正則化し、観測された軌跡と一致させます。
広範な実験により、歩行者の軌道予測のためのドメイン適応に対する私たちの方法の有効性が実証されています。

要約(オリジナル)

Most pedestrian trajectory prediction methods rely on a huge amount of trajectories annotation, which is time-consuming and expensive. Moreover, a well-trained model may not effectively generalize to a new scenario captured by another camera. Therefore, it is desirable to adapt the model trained on an annotated source domain to the target domain. To achieve domain adaptation for trajectory prediction, we propose a Cross-domain Trajectory Prediction Network (CTP-Net). In this framework, encoders are used in both domains to encode the observed trajectories, then their features are aligned by a cross-domain feature discriminator. Further, considering the consistency between the observed and the predicted trajectories, a target domain offset discriminator is utilized to adversarially regularize the future trajectory predictions to be in line with the observed trajectories. Extensive experiments demonstrate the effectiveness of our method on domain adaptation for pedestrian trajectory prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google