[DL輪読会]DIVERSE TRAJECTORY FORECASTING WITH DETERMINANTAL POINT PROCESSES

>100 Views

August 21, 20

スライド概要

2020/08/021
Deep Learning JP:
http://deeplearning.jp/seminar-2/

シェア

埋め込む »CMSなどでJSが使えない場合

関連スライド

各ページのテキスト
1.

DEEP LEARNING JP [DL Papers] DIVERSE TRAJECTORY FORECASTING WITH DETERMINANTAL POINT PROCESSES Akitoshi Kimura, Shimizu Lab, Waseda University http://deeplearning.jp/ 1

2.

書誌情報 • 著者: – Ye Yuan, – Kris M. Kitani • Robotics Institute, Carnegie Mellon University • 学会: – ICLR 2020, Accept (Poster) 2

3.

概要 • エージェントの多様な将来の挙動を予測する能力が, safetycritical な知覚システムにおいては重要. – 自動運転システムにおける歩行者の挙動予測 • VAE などでは, 生成された分布からのサンプルが, 主要なモー ドの近くに集中する. • 多様な将来の挙動を生成する, diversity sampling function (DSF) を提案. • 将来の挙動の多様性を評価するために, determinantal point process (DPP) に基づいて評価. 3

4.

軌道予測の図 4

5.

背景: Variational Autoencoders • 対数尤度: • ELBO: – data sample: • e.g., a future trajectory – latent code: – recognition model (encoder): – likelihood model (decoder): – prior: 5

6.

背景: Determinantal Point Processes – a set of items (e.g., data points): – Ground set 上の point process は 上の確率測度 • Determinantal point process – – DPP kernel: • • : の成分で添え字づけられた の部分行列 – Similarity matrix: – Quality vector: 6

7.

cVAE for future trajectories – Context: • Past trajectories: • Side information: • cVAE においても ELBO の最適化 – – – • encoder network • decoder network の出力: の出力: 7

8.

DSF • DSF : – Input: – Output: • で • DPP kernel は を対応. で定める. – – • Diversity loss は –( で定める. ではない) 8

9.

DSF の学習アルゴリズム 9

10.

Metrix • 実際のデータでは, 過去の軌跡と将来の軌跡は一対一対応. • 一方, 図にあるように別の組み合わせの軌跡を取り得る. • の代わりに, future trajectory set に対して議論. 10

11.

Metrix – Ground truth future trajectory: – closest sample in the forecasted set of trajectories • Average Displacement Error (ADE): と の間の average mean square error (MSE) • Final Displacement Error (FDE): と の間の MSE • Average Self Distance (ASD): と の間の average L2 distance • Final Self Distance (FSD): と の間の L2 distance 11

12.

SYNTHETIC 2D TRAJECTORY DATA 12

13.

SYNTHETIC 2D TRAJECTORY DATA 13

14.

DIVERSE HUMAN MOTION FORECASTING 14

15.

DIVERSE HUMAN MOTION FORECASTING 15

16.

ADE vs. N 16

17.

ADDITIONAL EXPERIMENTS WITH DIVERSITY-BASED BASELINES 17