SCENE: Reasoning about Traffic Scenes using Heterogeneous Graph Neural Networks

要約

交通シーンの理解には、動的なエージェントと静的なインフラに関する異種情報を考慮する必要がある。本研究では、多様な交通シーンを異種グラフで表現し、異種グラフニューラルネットワークエンコーダとタスク特化型デコーダを用いてこれらのグラフを推論する手法であるSCENEを提案する。異種グラフは、オントロジーによって定義され、タイプ固有のノード特徴を持つ異なるノードと、タイプ固有のエッジ特徴を持つ異なる関係から構成される。これらのグラフから得られる全ての情報を利用するために、我々はグラフ畳み込みのカスケードレイヤを使用することを提案する。その結果、シーンのエンコーディングが得られる。タスクに特化したデコーダは、シーンの所望の属性を予測するために適用することができる。2つの多様な2値ノード分類タスクに関する広範な評価により、本手法の主な強みが示される。一般的であるにもかかわらず、タスク固有のベースラインを上回ることさえできる。さらに、我々の手法を様々な知識グラフのノード分類タスクに適用することで、他のドメインへの移植性があることがわかる。

要約(オリジナル)

Understanding traffic scenes requires considering heterogeneous information about dynamic agents and the static infrastructure. In this work we propose SCENE, a methodology to encode diverse traffic scenes in heterogeneous graphs and to reason about these graphs using a heterogeneous Graph Neural Network encoder and task-specific decoders. The heterogeneous graphs, whose structures are defined by an ontology, consist of different nodes with type-specific node features and different relations with type-specific edge features. In order to exploit all the information given by these graphs, we propose to use cascaded layers of graph convolution. The result is an encoding of the scene. Task-specific decoders can be applied to predict desired attributes of the scene. Extensive evaluation on two diverse binary node classification tasks show the main strength of this methodology: despite being generic, it even manages to outperform task-specific baselines. The further application of our methodology to the task of node classification in various knowledge graphs shows its transferability to other domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL