SingularTrajectory: Universal Trajectory Predictor Using Diffusion Model

要約

軌道予測タスクには、決定論的、確率論的、ドメイン適応、瞬間観測、および少数ショットの 5 種類があります。
これらの関連タスクは、入力パスの長さ、データ分割、前処理方法などのさまざまな要因によって定義されます。
興味深いことに、通常、観測値の連続座標を入力として受け取り、出力として同じ座標内の将来のパスを推測しますが、タスクごとに特殊なアーキテクチャを設計する必要があります。
他のタスクでは、一般性の問題によりパフォーマンスが最適化されない可能性があります。
この論文では、5 つのタスク間のパフォーマンス ギャップを削減するための拡散ベースの汎用軌道予測フレームワークである SingularTrajectory を提案します。
SingularTrajectory の中核は、関連するタスクにおけるさまざまな人間のダイナミクス表現を統合することです。
これを行うには、まず特異空間を構築して、各タスクのあらゆるタイプの動作パターンを 1 つの埋め込み空間に投影します。
次に、特異空間で動作する適応アンカーを提案します。
許容できないパスが生成されることがある従来の固定アンカー手法とは異なり、当社の適応アンカーは、通過可能性マップに基づいて、間違った場所に配置された正しいアンカーを可能にします。
最後に、拡散ベースの予測子を採用し、カスケードノイズ除去プロセスを使用してプロトタイプ パスをさらに強化します。
当社の統合フレームワークにより、入力モダリティや軌跡の長さなど、さまざまなベンチマーク設定にわたる汎用性が保証されます。
5 つの公開ベンチマークに関する広範な実験により、SingularTrajectory が既存のモデルを大幅に上回るパフォーマンスが実証され、人間の動きの一般的なダイナミクスを推定する際のその有効性が強調されています。
コードは https://github.com/inhwanbae/SingularTrajectory で公開されています。

要約(オリジナル)

There are five types of trajectory prediction tasks: deterministic, stochastic, domain adaptation, momentary observation, and few-shot. These associated tasks are defined by various factors, such as the length of input paths, data split and pre-processing methods. Interestingly, even though they commonly take sequential coordinates of observations as input and infer future paths in the same coordinates as output, designing specialized architectures for each task is still necessary. For the other task, generality issues can lead to sub-optimal performances. In this paper, we propose SingularTrajectory, a diffusion-based universal trajectory prediction framework to reduce the performance gap across the five tasks. The core of SingularTrajectory is to unify a variety of human dynamics representations on the associated tasks. To do this, we first build a Singular space to project all types of motion patterns from each task into one embedding space. We next propose an adaptive anchor working in the Singular space. Unlike traditional fixed anchor methods that sometimes yield unacceptable paths, our adaptive anchor enables correct anchors, which are put into a wrong location, based on a traversability map. Finally, we adopt a diffusion-based predictor to further enhance the prototype paths using a cascaded denoising process. Our unified framework ensures the generality across various benchmark settings such as input modality, and trajectory lengths. Extensive experiments on five public benchmarks demonstrate that SingularTrajectory substantially outperforms existing models, highlighting its effectiveness in estimating general dynamics of human movements. Code is publicly available at https://github.com/inhwanbae/SingularTrajectory .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google