動的クラスタリングによる高密度群衆軌跡予測の効率化

要旨：群衆の軌跡予測は公共の安全と管理において重要な役割を果たし、群衆の暴走などの災害を防ぐのに役立ちます。近年の研究は、個々の軌跡を予測し、周囲の物体を手動で注釈されたデータに基づいて考慮することで問題に対処しています。しかし、これらのアプローチは密集した群衆のシナリオを見落としがちで、追跡出力の巨大さ・ノイズ・不正確さのために自動化の課題がより顕著になり、計算コストが高くなることがあります。これらの課題に対処するため、時間を通じて類似した属性に基づいて個人をグループ化する新規のクラスターベースのアプローチを提案し、正確なグループ要約を通じてより高速な実行を実現します。私たちのプラグアンドプレイ方式は、既存の軌跡予測子と組み合わせることができ、彼らの歩行者入力の代わりに我々の出力セントロイドを使用します。我々の提案手法を、いくつかの難易度の高い密集群衆シーンで評価します。我々のアプローチは、最先端の手法と比較して処理の高速化とメモリ使用量の低減をもたらしつつ、精度を維持することを示しました。