マルチXNet:マルチクラス多段マルチモーダル運動予測【JST・京大機械翻訳】

Djuric Nemanja; Cui Henggang; Su Zhaoen; Wu Shangxuan; Wang Huahua; Chou Fang-Chieh; Martin Luisa San; Feng Song; Hu Rui; Xu Yang; Dayan Alyssa; Zhang Sidney; Becker Brian C.; Meyer Gregory P.; Vallespi-Gonzalez Carlos; Wellington Carl K.

プレプリント

J-GLOBAL ID：202202200352173189 整理番号：21P0034073

マルチXNet:マルチクラス多段マルチモーダル運動予測【JST・京大機械翻訳】

MultiXNet: Multiclass Multistage Multimodal Motion Prediction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (16件)： , , , , , , , , , , , , , , ,
資料名：
発行年： 2020年06月02日プレプリントサーバーでの情報更新日： 2021年05月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

自己駆動パズルの重要部分の一つは,自己駆動車両(SDV)の周辺を理解し,これらの周辺が近い将来にどのように変化するかを予測することである。このタスクに取り組むために,ライダーセンサデータに直接に基づく検出と動き予測のためのエンドツーエンドアプローチであるMultiXNetを提案する。この手法は,複数のクラスのトラヒックアクターを扱い,共同訓練された第2段階軌道精密化ステップを付加し,複数の離散トラフィック挙動および較正された連続位置不確実性の両方を含む将来のアクター運動に対してマルチモーダル確率分布を生成することにより,事前研究上に構築する。本方法を,いくつかの都市におけるSDVのフリートによって収集した大規模,実世界データに関して評価し,その結果,既存の最先端の手法よりも性能が優れていることを示した。【JST・京大機械翻訳】

, , , , , , ,
, , 【Automatic Indexing@JST】

パターン認識 , 人工知能 , 図形・画像処理一般

, , , ,

前のページに戻る