Bootstrap Motion Forecasting With Self-Consistent Constraints

要約

我々は、二重一貫性制約と複数擬似ターゲット監視を備えた動き予測のための新しいフレームワークを提案します。
動き予測タスクは、過去からの空間的および時間的情報を組み込んで、車両の将来の軌道を予測します。
DCMS の重要な設計は、トレーニング段階で空間的および時間的摂動の下で予測される軌道を規則化する、提案された二重一貫性制約です。
さらに、複数のターゲットを明示的に監視することにより、運動予測におけるマルチモダリティをモデル化するための正確な疑似ターゲットを取得するための新しい自己アンサンブルスキーム、つまりマルチ擬似ターゲット監視を設計します。
Argoverse モーション予測ベンチマークの実験結果では、DCMS が最先端の手法を大幅に上回り、リーダーボードで 1 位を獲得したことが示されています。
また、提案した戦略が一般的なトレーニング スキームとして他の運動予測アプローチに組み込めることも示します。

要約(オリジナル)

We present a novel framework for motion forecasting with Dual Consistency Constraints and Multi-Pseudo-Target supervision. The motion forecasting task predicts future trajectories of vehicles by incorporating spatial and temporal information from the past. A key design of DCMS is the proposed Dual Consistency Constraints that regularize the predicted trajectories under spatial and temporal perturbation during the training stage. In addition, we design a novel self-ensembling scheme to obtain accurate pseudo targets to model the multi-modality in motion forecasting through supervision with multiple targets explicitly, namely Multi-Pseudo-Target supervision. Our experimental results on the Argoverse motion forecasting benchmark show that DCMS significantly outperforms the state-of-the-art methods, achieving 1st place on the leaderboard. We also demonstrate that our proposed strategies can be incorporated into other motion forecasting approaches as general training schemes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google