TPAMI 2024 | MTR++: 具有对称场景建模和引导意图查询的多智能体运动预测

最新推荐文章于 2024-09-14 18:36:11 发布
最新推荐文章于 2024-09-14 18:36:11 发布
阅读量176 收藏
点赞数 4
分类专栏： 论文解读 IEEE TPAMI 文章标签： 图像处理 人工智能 深度学习 TPAMI
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42722197/article/details/140104033
版权
论文解读 IEEE TPAMI 专栏收录该内容
200 篇文章 14 订阅 ¥29.90 ¥99.00
订阅专栏

MTR++: Multi-Agent Motion Prediction With Symmetric Scene Modeling and Guided Intention Querying

题目：MTR++: 具有对称场景建模和引导意图查询的多智能体运动预测

作者：Shaoshuai Shi; Li Jiang; Dengxin Dai; Bernt Schiele
源码：https://github.com/sshaoshuai/MTR

摘要

运动预测是自动驾驶系统理解复杂驾驶场景并做出明智决策的关键任务。然而，由于交通参与者的多样化行为和复杂的环境背景，这项任务充满挑战。在本文中，我们提出了Motion TRansformer (MTR) 框架来应对这些挑战。初始的MTR框架采用了具有可学习意图查询的transformer编码器-解码器结构，实现了未来轨迹的高效准确预测。通过为不同的运动模态定制意图查询，MTR在减少对密集目标候选的依赖的同时，改进了多模态运动预测。该框架包括两个关键过程：全局意图定位，识别代理的意图以提高整体效率&

了解本专栏 订阅专栏 解锁全文
小白学视觉
关注
专栏目录
订阅专栏
TPAMI 2024| DualCoOp++：一种快速高效的有限注释多标签识别方法
小白学视觉
05-25 786
在低标签状态下的多标签图像识别是一项极具挑战性和实际意义的任务。之前的工作主要集中在学习文本和视觉空间之间的对齐，以弥补图像标签的不足，但由于高质量多标签注释的缺乏，可能会导致精度下降。在这项研究中，我们利用了通过数百万辅助图像-文本对预训练的强大文本和视觉特征对齐能力。我们引入了一种高效的框架，称为证据引导的双上下文优化 (DualCoOp++)，作为解决部分标签和零样本多标签识别的统一方法。在 DualCoOp++ 中，我们分别为目标类别编码证据、正面和负面上下文，作为语言输入的参数化组件（即提示）。
【Motion Forecasting】片段节选：MTR++当中的视角不变性
YGGP的博客
08-15 770
对MTR++当中的基于局部坐标系统的场景编码以及query-centric self-attention module进行记录与学习。
Waymo冠军方案！MTR++：基于对称建模和引导查询的运动预测
CV_Autobot的博客
09-10 1024
作者| 一根呆毛 编辑|汽车人原文链接：https://zhuanlan.zhihu.com/p/654070149点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【轨迹预测】技术交流群本文只做学术分享，如有侵权，联系删文本文包含MTR和MTR++两个model。原文链接：https://arxiv.org/pdf/2306.17770.pdf （M...
[自动驾驶算法][从0开始轨迹预测][文献阅读笔记] [MTR++]:Multi-Agent Motion Prediction with Symmetric Scene Modeling and G
Bin_Dut的博客
07-04 741
Waymo Open Motion Dataset 2023年冠军方案，较MTR适配了多智能体联合预测的技术方案[自动驾驶算法][从0开始轨迹预测] [文献阅读笔记] [MTR]：Motion Transformer with Global Intention Localization and Local MoMTR仓库。
MTR论文阅读
ZHANG8023ZHEN的博客
02-15 1032
https://zhuanlan.zhihu.com/p/654070149 文章亮点：
TPAMI 2024 | CrossFormer++: 基于跨尺度注意力的多功能视觉Transformer
小白学视觉
07-05 1177
虽然不同尺度的特征在视觉输入中具有感知重要性，但现有的视觉Transformer尚未显式利用这些特征。为此，我们首先提出了一种跨尺度视觉Transformer，即CrossFormer。它引入了跨尺度嵌入层（CEL）和长短距离注意力（LSDA）。一方面，CEL将每个标记与不同尺度的多个补丁混合，为自注意力模块本身提供跨尺度特征。另一方面，LSDA将自注意力模块分为短距离和长距离部分，这不仅减少了计算负担，还保留了标记中的小尺度和大尺度特征。
TPAMI 2024 | 单目深度估计：全面综述
小白学视觉
07-24 925
在计算机视觉领域，对二维图像中深度的估计是一个具有挑战性的主题。这是一个长期被深入研究且定义不明确的问题，一直是密集研究的焦点。本文是对这一主题的深入回顾，呈现了两个方面：一方面考虑人类深度感知的机制，另一方面包括各种深度学习方法。这些方法以紧凑和结构化的方式呈现，概述了主题，并根据近十年的研究线索对方法进行了分类。尽管在这一主题上取得了显著进展，但似乎没有任何与人类深度感知及其潜在益处的联系。
TPAMI 2024 | 人体运动生成：一项综述研究
小白学视觉
07-31 947
人类动作生成旨在生成自然的人姿势序列，并展示出对现实世界应用的巨大潜力。近年来，在运动数据收集技术和生成方法方面取得了实质性进展，为人类动作生成日益增长的兴趣奠定了基础。该领域的大多数研究侧重于基于条件信号生成人类动作，例如文本、音频和场景上下文。尽管近年来取得了显著进展，但由于人类动作的复杂性质及其与条件信号的隐式关系，该任务仍然面临挑战。在这篇综述中，我们提供了人类动作生成的综合文献回顾，据我们所知，这是该领域首次此类综述。
TPAMI 2024 | 清华提出EfficientTrain++，视觉基础网络最高3倍无损训练加速
Paper weekly
05-23 350
©作者 |王语霖单位 |清华大学博士生来源 |机器之心本文主要介绍刚刚被 IEEE Transactions on Pattern Analysis and Machine Intelligence （TPAMI）录用的一篇文章。论文题目：EfficientTrain++: Generalized Curriculum Learning for Efficient Visual Backbo...
TPAMI 2024 | MsSVT++: 用于3D目标检测的混合尺度稀疏体素TransFormer与中心投票
小白学视觉
06-25 110
大规模户外场景中精确的3D目标检测需要同时具备丰富长距离和细粒度信息的特征。尽管最近的检测器已经利用基于窗口的变换器来模拟长距离依赖性，但它们往往忽视了细粒度细节。为了弥补这一差距，我们提出了MsSVT++，一种创新的多尺度稀疏体素变换器，它通过分而治之的方法同时捕获这两种类型的信息。这种方法涉及显式地将注意力头分为多个组，每个组负责关注特定范围内的信息。这些组的输出随后被合并以获得最终的多尺度特征。
TPAMI 2024 | DaGAN++: 用于生成会说话的头部视频的深度感知生成对抗网络
小白学视觉
06-16 112
目前，关于生成会说话的头像视频的主要技术大多依赖于2D信息，包括输入面部图像中的面部外观和运动。然而，密集的3D面部几何信息，如像素级深度，在构建精确的3D面部结构和抑制复杂背景噪声方面起着关键作用。然而，获取面部视频的密集3D注释成本极高。在本文中，首先，我们提出了一种新的自监督方法，用于从面部视频学习密集的3D面部几何（即深度），无需在训练中使用相机参数和3D几何注释。我们进一步提出了一种策略，通过学习像素级不确定性来感知更可靠的刚体运动像素，以便于几何学习。
TPAMI 2024 | MS-RAFT+: 高分辨率多尺度RAFT算法
小白学视觉
08-17 146
分层概念在许多经典和基于学习的光流方法中已被证明对于准确性和鲁棒性都非常有用。在本文中，我们展示了这些概念在遵循 RAFT 范式的最近神经网络中仍然很有用，这些网络避免使用分层策略，而是依赖于基于单尺度全对转换的递归更新。为此，我们介绍了 MS-RAFT+：一种新颖的基于 RAFT 的递归多尺度架构，它统一了几个成功的分层概念。它采用从粗到细的估计，通过从较粗糙尺度的有用初始化来使用更细的分辨率。此外，它依赖于 RAFT 的相关金字塔，允许在匹配过程中考虑非局部代价信息。
2024.9.14 Python与图像处理新国大EE5731课程大作业，马尔可夫随机场和二值图割，校正立体图像的深度
最新发布
RaidenMessi的博客
09-14 1019
现在通过更改lmd的值可以看到不同的效果，lmd小的时候，噪声很大，lmd大的时候，深度信息就看不清了，对比相同lambda，不同dpeth的深度图，在dmin和dmax不变的情况下，深度层数越少，深度图中的噪声越小。生成图像匹配的能量（unary）矩阵，每个像素点有多个视差候选值（基于不同的深度），该函数计算每个像素与可能的匹配点之间的差异并归一化为能量值。作用: 这个步骤通过遍历图像中的每一个像素点，计算它在不同视差下的匹配质量，输出的 unary 是图像的视差匹配成本图，后续会用于图割算法。
生成式人工智能在新加坡的发展现状和地位
wukangjupingbb的博客
09-11 990
依据国际隐私专业人员协会(IAPP)的相关报告，2020年，上述两机构更新了该模型框架，发布了第二版，并推出了《组织实施和自我评估指南》，帮助组织评估其人工智能治理实践与型框架的匹配程度，还发布了《案例汇编》，展示了组织如何实施负责任的人工智能治理实践。2019年，金融管理局宣布与金融行业合作创建Veritas框架，为金融机构提供可验证的方法，将FEAT原则纳入其人工智能和数据分析驱动的解决方案中。新加坡在人工智能治理方面采取了部门性的方法，即通过各个行业的监管机构来管理人工智能的使用。
从AI到大数据，数字技术服务平台全栈赋能企业升级
smjt2024的博客
09-11 566
海量的数据中蕴含着丰富的信息和价值，数字技术服务平台能够收集、整理和分析这些数据，为企业提供精准的市场洞察和决策支持。企业可以通过参加树莓集团举办的培训课程和研讨会，了解最新的数字技术趋势和应用案例，提升自身的数字技术水平。从技术咨询、解决方案设计到系统实施和运维，数字技术服务平台为企业提供一站式的服务，让企业无需担心技术难题，专注于自身的核心业务。树莓集团的数字技术服务平台，以其先进的技术、专业的服务和丰富的经验，为企业提供了全栈赋能。在数字时代，让我们共同利用数字技术服务平台，开启企业升级的新篇章。
Djourney新手入门基础，AI摄影+AI设计+AI绘画-AIGC作图
DAMOXINGHAITAI的博客
09-14 799
（全套教程文末领取哈）从大模型系统设计入手，讲解大模型的主要方法；在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；以SD多模态大模型为主，搭建了文生图小程序案例；以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
常见本地大模型个人知识库工具部署、微调及对比选型
09-14 784
由于作者的眼界、精力和能力也有限，并且确实也不是专业的AI研究员，仅仅是一位兴趣使然的爱好者，这里列出的几款也单纯只是作者平常关注到的，所以可能也不全，请各位见谅！文章从起笔写到这里已经过了三天了，这三天也基本把上文提到的大模型侧工具全部体验了一遍，下面说一下主要结论吧。从功能丰富度和性能优化的角度综合评估，LM Studio明显更胜一筹。从工具本身使用及模型部署效率来看，Ollama的上手速度会更快，使用会更便捷，效率也会更高。从企业级稳定性和高可用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值