#1007
summarized by : Hirokatsu Kataoka
Imitative Non-Autoregressive Modeling for Trajectory Forecasting and Imputation

どんな論文か?

スポーツ競技におけるボールや自動車の動線予測を行う研究。人物の数秒後の動線は不確実であるが、欠損値を推定しながら動線を予測することで性能向上につながると主張。
placeholder

新規性

Variational Auto-Encoder(VAE)をベースとして、Recurrent Conditional VAE(RC-VAE)を構築、学習にはNon-AutoRegressive Transformation model(NART)を採用、RC-VAEは動線予測を実行することで、時間関係の文脈を把握できるようにNARTを学習することができる。2つのモデルは同時最適化される。

結果

Basketball Tracking Dataset, PEMS-SF Traffic Dataset, Billiards Ball Trajectory Datasetと3種類のデータセットを適用した。提案手法はC-LSTM [10]/NAOMI [28]などと比較しても性能が高いことを実証した。

その他(なぜ通ったか?等)

動線予測は不確実になりがちであるが、欠損値を推定しながらの学習により把握できていること/できていないことをモデルに取り入れることに成功。