社会的・物理的な注意機構を用いた 人群軌跡予測モデルの判断根拠の可視化

• Item type: SIG Technical Reports(1)
• 公開日: 2022-05-05
• タイトル: 社会的・物理的な注意機構を用いた 人群軌跡予測モデルの判断根拠の可視化
• タイトル / 言語: en
• タイトル: Visualization of Decision Retionale for Human Trajectory Prediction Models Using Social and Physical Attention Mechanisms
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 一般講演セッション1
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 豊田工業大学
• 著者所属: 豊田工業大学
• 著者所属(英): en
• 著者所属(英): Toyota Technological Institute, First University
• 著者所属(英): en
• 著者所属(英): Toyota Technological Institute, First University
• 著者名: 加藤, 雅大; 浮田, 宗伯
• 著者名(英): Masahiro, Kato; Norimichi, Ukita
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 医療や監視カメラシステム，自動運転などへのコンピュータビジョン技術の応用に向けて，モデルがなぜそのような予測をするのかといった判断根拠を明確にする説明可能な AI に大きな関心が寄せられている．しかし，予測モデルや生成モデルの可視化研究は CNN モデルの可視化研究に比べて未開拓である．本研究ではその未開拓な分野に先駆け，行動予測モデルの一種である軌跡予測モデルの判断根拠の可視化を研究する．本研究は人と空間の相互関係を捉える物理的注意機構と，人と人同士の相互関係を捉える社会的注意機構の二種類の注意機構を持つ軌跡予測モデルを扱う．物理的注意機構では，俯瞰画像から静的な空間情報において予測に影響を与えた空間領域を可視化する．社会的注意機構では，人と人との相互関係から予測に影響を与えた人物を可視化する．それぞれの可視化情報から，軌跡予測モデルが周辺の空間情報のどこを重要視し，またどの人物を重要視して，人の軌跡を予測したのかを解釈可能にした．実験では人から見て直感的な重要領域や重要人物を考慮していなくても，妥当な予測結果が得られた．従って，従来の軌跡予測モデルもモデルが想定通りに情報を扱えていない可能性がある．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: There is a great deal of interest in explainable AI that clarifies the basis of decisions, such as why a model makes a prediction, for applications of computer vision technology in medicine, surveillance systems, automatic driving, and so on. However, visualization research of predictive and generative models is less explored than that of CNN models. In this study, we will take the lead in this unexplored field by researching the visualization of the basis for decision making in trajectory prediction models, a type of action prediction model. This study deals with a trajectory prediction model with two types of attention mechanisms: a physical attention mechanism that captures the interrelationships between people and space, and a social attention mechanism that captures the interrelationships between people. The physical attention mechanism visualizes the spatial region that influenced the prediction in static spatial information from an overhead image. The social attention mechanism visualizes the person who influenced the prediction based on the interrelationship between people. From each visualization, it is possible to interpret which parts of the surrounding spatial information the trajectory prediction model considered important, and which people it considered important in predicting the trajectory of a person. Experiments have shown reasonable prediction results without taking into account key areas and key people, which would be intuitively correct from a human perspective. Therefore, conventional trajectory prediction models may not handle the expected information well.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 2022-CVIM-230, 号 37, p. 1-6, 発行日 2022-05-05
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8701
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会