Social GAN: Socially Acceptable Trajectories with Generative Adversarial Networksを読んだ

Agrim Gupta, Justin Johnson, Li Fei-Fei, Silvio Savarese, Alexandre Alahi, Stanford University, Ecole Polytechnique F´ed´erate de Lausanne

arxiv, pdf

#1.どんなもの？
軌跡情報から未来の軌跡をGANを使って予測する．
#2.先行研究と比べてどこがすごい？
人は自然に相手の行動を予測した上で自分の行動を決めることができる．
それを考慮し，人同士の相互関係を取り入れた．

過去の経路からは複数の可能な未来の経路が考えられる．
ＧＡＮを用いて複数の未来の軌跡を予測した．
#3.技術や手法のキモはどこにあるか？

一人ずつLSTMにかけるだけでは対人関係を含ませられないので，プーリングモジュールを取り入れた．
##プーリングモジュール

人物同士の位置関係をパーセプトロンにかけて最大値プーリングした情報を加えることで人同士の関係を取り入れる．
#4.どうやって有効だと検証した？
複数のデータセットに対して既存手法と比較．

ADE:全ての時間における真値と予測のL2距離
FDE:最終目的地の真値と予測の誤差
左の結果：8ステップ(3.2秒) ，右の結果:12ステップ(4.8秒)
#5.議論はあるか？
#6.次に読むべき論文はあるか？
Social lstm: Human trajectory prediction in crowded spaces
http://openaccess.thecvf.com/content_cvpr_2016/papers/Alahi_Social_LSTM_Human_CVPR_2016_paper.pdf