将来のオブジェクト検出によるLiDARからの予測【JST・京大機械翻訳】

Peri Neehar; Luiten Jonathon; Li Mengtian; Osep Aljosa; Leal-Taixe Laura; Ramanan Deva

プレプリント

J-GLOBAL ID：202202217663411636 整理番号：22P0322518

将来のオブジェクト検出によるLiDARからの予測【JST・京大機械翻訳】

Forecasting from LiDAR via Future Object Detection

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 (6件)： , , , , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年03月31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)

物体検出と予測は,具体化された知覚の基本的構成要素である。しかし,これらの2つの問題は,コミュニティによる隔離において主に研究されている。本論文では,グランドトルーストラックとは対照的に,生センサ測定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を提案した。現在のフレーム位置を予測し,時間的に予測する代わりに,著者らは,各軌道が始まったどこかを決定するために,将来のオブジェクト位置とバックキャストを直接予測した。本手法は,他のモジュールまたはエンドツーエンドのベースラインと比較して,全体の精度を改善するだけでなく,具体化された知覚のための明示的な追跡の役割を再考することも促進する。さらに,将来と現在の場所を多くの方法でリンクすることによって,著者らのアプローチは,以前にエンドツーエンドアプローチに対して困難と考えられる能力である,複数の未来を推論できる。一般的なNuSceneデータセットに関する広範な実験を行い,著者らのアプローチの経験的有効性を実証した。さらに,エンドツーエンドセットアップに対する標準予測メトリックの再利用の適切性を検討し,これらのメトリックスをゲームするための簡単なベースラインの構築を可能にする多くの限界を見出した。この課題を,検出コミュニティから通常使用されるAPメトリックを拡張し,予測精度を測定するために,共同予測と検出メトリックの新しいセットでこの問題に対処した。著者らのコードはhttps://github.com/neeharperi/FutureDetで利用可能である。【JST・京大機械翻訳】

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

パターン認識

, ,

前のページに戻る