Nov, 2023

基于视觉信息的人群仿真模型研究 —— 基于时空卷积网络

PDF
TL;DR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。
crowd simulationsdata-driven modelsvisual informationvelocity predictionadaptability
发现论文，激发创造
  • 用卷积神经网络预测行人轨迹

    本文提出了一种新的基于 2D 卷积模型的行人轨迹预测方法，采用了高效的数据表示和强大的数据增强技术，在 ETH 和 TrajNet 数据集上实现了最优结果。另外，对于以前用于建模社交信息的占据方法进行了实验性探究，并得出这些方法无法捕捉社交交互的经验结论。

    Oct, 2020

  • 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

  • 基于遥感的概率图像驱动交通建模

    用遥感图像直接建模时空交通模式的多模态、多任务变压器分割架构，包含地理时空位置编码模块和自然建模时间变化的概率目标函数，在 Dynamic Traffic Speeds (DTS) 数据集上显著提升交通模型的性能，并引入 DTS++ 数据集支持与移动相关的位置适应实验。

    Mar, 2024

  • 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

  • 概率众包 GAN：使用图形车 - 行人注意网络进行多模态行人轨迹预测

    本文介绍了一种使用概率多模式预测方法和社交影响建模的新型 GAN，可有效预测人群行为和行人意图，以达到更好的自动驾驶和移动机器人导航效果。

    Jun, 2020

  • 利用视觉变换器从楼层平面图预测行人撤离时间和密度

    本文提出了一种基于深度学习的视觉 Transformer 的方法，可以预测给定楼层平面图的密度热图随时间的变化及总疏散时间，通过集成该模型到 BIM 工具中可以自动、快速地生成模拟结果，缓解了在建筑设计过程中的瓶颈问题。

    Jun, 2023

  • 交通预测的时空交互动态图卷积网络

    提出了一种 STIDGCN 神经网络的拓扑交互动态图卷积模型，可以有效地进行交通预测，具有更好的性能。

    May, 2022

  • 视频中人群计数的时空建模

    通过引入卷积 LSTM 模型，结合了空间和时间依赖关系，并利用双向卷积 LSTM 模型实现了进一步的长距离信息访问，从而有效地提高了人群计数的准确性。同时，我们的模型在少量数据的情况下具有很好的迁移能力。

    Jul, 2017

  • 社会物理启发的人群模拟扩散模型

    本文提出了一种称为 SPDiff 的社交社交物理驱动扩散模型，以解决物理驱动机器学习方法在群体模拟中无法全面建模人类移动的异质性和多模态问题。通过反向扩散过程，SPDiff 利用当前时间段中的交互和历史群体信息生成下一个时间段中行人移动的分布。通过设计群体交互模块，并运用群体交互的等变性属性进一步增强该模块，本文受社交力模型的启发，减小了噪声过滤过程中的误差累积。为了减轻长期模拟中的错误累积问题，本文提出了一种多帧展开训练算法来进行扩散建模。两个真实世界数据集上的实验证明了 SPDiff 在宏观和微观评估指标方面的优越性能。代码和附录可见该网址链接。

    Feb, 2024