arXiv cs.AI· Antonius Bima Murti Wijaya, Paul Henderson, Marwa Mahmoud·· 9 天前AI 评分22
基于动态聚类的密集人群轨迹预测方法
Efficient Dense Crowd Trajectory Prediction Via Dynamic Clustering
AI 导读
研究者提出一种基于聚类的即插即用方法用于密集人群轨迹预测，按相似属性随时间对个体分组，以群体质心替代行人输入接入现有轨迹预测器。在多个密集人群场景中，该方法相比 SOTA 方法处理更快、内存占用更低，同时保持精度。
正文 · AI 翻译
摘要：人群轨迹预测在公共安全与管理中起着至关重要的作用，它有助于预防踩踏等灾难。近期的工作通过基于人工标注数据预测个体轨迹并考虑周围物体来解决这一问题。然而，这些方法往往忽视了密集人群场景，在这种场景下，由于跟踪输出的大规模性、噪声性和不准确性，自动化的挑战变得更加突出，导致计算成本高昂。为应对这些挑战，我们提出并广泛评估了一种新颖的基于聚类的方法，该方法根据随时间变化的相似属性对个体进行分组，通过准确的群体概括实现更快的执行。我们的即插即用方法可与现有的轨迹预测器结合使用，用我们的输出质心替代其行人输入。我们在多个具有挑战性的密集人群场景中评估了我们提出的方法。我们证明，与最先进的方法相比，我们的方法处理速度更快、内存占用更低，同时保持了准确性
| 主题： | 人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2603.18166 [cs.AI] |
| （或 arXiv:2603.18166v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.18166 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Antonius Bima Murti Wijaya [查看电子邮件]
[v1]
2026年3月18日星期三 18:04:54 UTC（14,506 KB）
[v2]
2026年10月8日星期四 11:21:49 UTC（396 KB）
来源：arXiv cs.AI · arxiv.org