Apr, 2023

为细粒度人员跟踪方法的精细验证开发逼真的人群仿真环境

PDF
TL;DR本文研究了通过真实或人工合成手段生成的人群数据集，利用模拟工具可以显著减少生成特定场景的人群数据集所需的时间，并辅助构建功能机器学习模型，开发了一个名为 CrowdSim2 的人群模拟器，并在应用于人员追踪算法中证明了其可用性。
crowd datasetssimulation toolsmachine learning modelscrowdsim2people-tracking algorithms
发现论文，激发创造
  • 群体分析中视觉和行为准确度的统一仿真框架

    模拟是一个强大的工具，可以轻松生成带有注释的数据，特别适用于那些需要大型训练数据集的学习模型的领域。我们介绍了一个名为 UniCrowd 的人群模拟器及其关联的验证流程，展示了该模拟器如何生成适用于计算机视觉任务的带注释数据，并包括人群计数、人体姿势估计、轨迹分析和预测以及异常检测等相关应用。

    Dec, 2023

  • CrowdSim2：一个用于目标检测的开放式合成基准测试

    该研究论文介绍了 CrowdSim2—— 一个新的人和车辆检测适用的合成图像集合，旨在用于基于人工智能的监督模型开发。研究发现他们使用的这个新数据集对于在受控环境中测量检测器性能是一个有价值的工具。

    Apr, 2023

  • 面向人群分析、比较和仿真指导的信息场景分解

    本文提出了一个新的基于无监督方法的框架，用于处理大规模混杂无序的人群数据，通过学习空间、时间和动态维度之间的相关性并自动结构化数据，从而实现了对场景语义的全面描述，并基于此提出了人群数据可视化、模拟评估和模拟引导等新方法。

    Apr, 2020

  • LCrowdV：用于基于仿真的人群行为学习的标注视频生成

    本文提出了一种新的生成标记群体视频（LCrowdV）的程序框架，该框架包括两个组成部分：用于生成群体动作和行为的程序性仿真框架以及用于生成不同视频或图像的程序性渲染框架。该方法可以自动生成每个视频或图像的标签，包括环境，行人数目，密度，行为，流，光照条件，视点和噪声等。通过将合成生成的行为与真实背景视频相结合，可以进一步提高逼真度。实验证明了 LCrowdV 在人行检测和群体行为分类算法的准确性方面的优势。

    Jun, 2016

  • 利用合成数据学习野外人群计数

    该研究通过利用合成数据生成器和标注器构建了一个大规模，多样化的合成数据集，采用两个方案 (预训练和领域自适应) 来提高人群计数的性能。实验显示，该方法在真实数据集上实现了最先进的性能。

    Mar, 2019

  • HabiCrowd: 一个专为关注群众的视觉导航而设计的高性能模拟器

    本文介绍了 HabiCrowd，这是第一个将人群动态模型与不同人物设定集成到逼真环境中的视觉导航基准，实证评估表明，我们提出的人体动力学模型在避碰方面具有卓越的计算效率和最新技术性能，利用 HabiCrowd 进行了人群感知视觉导航任务和人机交互方面的几项研究。

    Jun, 2023

  • 基于视觉信息的人群仿真模型研究 —— 基于时空卷积网络

    本文提出了一种基于视觉信息的众包模拟模型（VID），该模型通过使用先前的社会视觉信息和个体的运动数据来预测行人下一时间步的速度。通过测试该模型在具有不同几何结构的三个公共行人运动数据集上，结果显示该模型在适应不同几何情景方面的能力得到了提升，证明了所提出方法在增强数据驱动人群模型的适应性方面的有效性。

    Nov, 2023

  • 扩散式数据集生成：缩小行人检测 Sim2Real 差距的步伐

    该研究提出了一种使用扩散模型增强模拟数据集的方法，以改善行人检测在现实世界数据中的性能，并使用扩散基础架构来生成具有真实分布的数据集，以填补模拟数据和真实数据之间的差距，通过使用生成数据与模拟数据进行的训练可以将行人检测模型在真实数据中的平均精度提高 27.3%。

    May, 2023

  • TrafficSim：学习模拟真实多智体行为

    利用 TrafficSim 模拟真实的自动驾驶系统中的多智能体交通模型，以更多样化的人类演示数据为基础，生成人类社交一致的行驶计划，生成更真实、更多样化的交通场景，可作为训练更好的运动规划员的有效数据增强。

    Jan, 2021

  • 适应性场景发现用于人群计数

    本文提出了一种适应性场景发现框架用于人群计数，该系统包括两个平行通道和一个自适应重校准分支，能够代表高度变化的人群图像并在两个具有挑战性的基准测试中实现了最先进的结果。

    Dec, 2018