English(EN) Efficient Dense Crowd Trajectory Prediction Via Dynamic Clustering

新的动态聚类方法提高了人群轨迹预测效率

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-08 04:00

研究人员开发了一种新的密集人群轨迹预测方法，该方法显著降低了计算成本和内存使用量。该方法利用动态聚类随时间将具有相似属性的个体分组，提供准确的群体摘要。所提出的方法被设计为一个即插即用组件，可以通过用输出质心替换个体行人输入来增强现有的轨迹预测模型。在具有挑战性的密集人群场景上的评估证明了其在提高处理速度和效率的同时保持准确性方面的有效性。 AI

影响该方法可以提高实时人群管理系统和公共安全应用程序的效率。

排序理由该集群包含一篇学术论文，详细介绍了一种新的轨迹预测方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 4 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了一种新的轨迹预测方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Antonius Bima Murti Wijaya, Paul Henderson, Marwa Mahmoud · 2026-10-08 04:00

通过动态聚类实现高效密集人群轨迹预测

arXiv:2603.18166v1 Announce Type: cross Abstract: Crowd trajectory prediction plays a crucial role in public safety and management, where it can help prevent disasters such as stampedes. Recent works address the problem by predicting individual trajectories and considering surrou…

本文如何被排名

报道来源 [1]

通过动态聚类实现高效密集人群轨迹预测

相关实体

相关话题