BEV認識・予測2026/9/10arXiv:2609.11717

MC-DeTra: 鳥瞰図画像における運動一貫性を考慮した物体検出と社会的軌道予測

MC-DeTra: Motion-Consistent Joint Object Detection and Socially-Aware Trajectory Forecasting in Bird's-Eye-View Images

LiDARと地図から生成したBEV画像上で、物体検出と軌道予測を統合するDeTraを再実装し、運動一貫性を強化する補助損失を追加して予測精度を向上させた。

詳しい要約

1. どんなもの？

BEV画像上で物体検出と軌道予測を統合するモデル。LiDARとHD mapからラスタライズしたBEV画像上でactorの軌道を直接refineする。DeTraの公開実装と、その上に構築したMC-DeTraを提案。MC-DeTraはmotion-consistency機構のファミリーで、2つのannotation由来補助信号（観測された過去運動、周囲交通のoccupancyによるsocial context）と、予測headingと予測運動方向を整合させるinter-output consistency制約を追加する。

2. 先行研究と比べてどこがすごい？

先行の最強モデルDeTraは公開実装が無い。本研究はDeTraの再実装を公開し、近似を文書化。その上でMC-DeTraを提案し、動的で社会的状況にあるactorの軌道予測を改善しつつ検出精度を維持/向上。全ての提案lossはtrain-onlyでinference-safe、推論遅延を増やさない。

3. 技術・手法の肝は？

2つのannotation由来補助信号（各actorの観測過去運動、周囲交通のoccupancyによるsocial context）と1つのinter-output consistency制約（予測headingと予測運動方向の整合）でsupervisionを追加。各lossは学習時のみ共有BEV表現を形成し、テスト時には除去。推論遅延なし。

4. どうやって有効だと検証した？

Waymo Open Dataset上で、厳密なdetection-conditioned forecasting protocolの下で評価。MC-DeTraは動的で社会的状況にある軌道予測を改善し、検出精度を維持/向上。gradient-based loss-calibration analysisで補助目的が共有backboneで競合する様子を明示。ablationでどの信号が最も寄与するか特定。

5. 議論はある？

gradient-based loss-calibration analysisにより、補助目的が共有backboneで競合することが示された。ablationで寄与の大きい信号を特定。その他の議論は要旨からは不明。

6. 次に読むべき論文は？

DeTra（再実装の基盤）、Waymo Open Dataset、detection-conditioned forecasting protocol。関連手法としてBEV-based object detection、trajectory forecasting、multi-task learning。要旨で参照/比較されている研究はDeTraとWaymo Open Dataset。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Vladislav Diuzhev, Dmitry Yudin

分類: cs.CV, cs.RO

原文アブストラクト

Unified models for object detection and trajectory forecasting aim to merge perception and prediction for autonomous driving, refining actor trajectories directly over shared bird's-eye-view (BEV) images rasterized from LiDAR and high-definition maps. Their accuracy on dynamic, moving actors, however, remains the hardest part of the task, and the strongest such model, DeTra, has no public implementation. We contribute an openly released DeTra reimplementation with documented approximations, and on top of it MC-DeTra: a family of motion-consistency mechanisms that add supervision through two annotation-derived auxiliary signals -- each actor's observed past motion and the occupancy of the surrounding traffic that forms its social context -- and one inter-output consistency constraint that aligns an actor's predicted heading with its predicted direction of motion. Every proposed loss is train-only and inference-safe: it shapes the shared BEV representation during training and is removed at test time, adding no inference latency. On the Waymo Open Dataset, evaluated under a strict, detection-conditioned forecasting protocol, MC-DeTra improves dynamic, socially-situated trajectory forecasting while preserving or improving detection accuracy; a gradient-based loss-calibration analysis exposes how the auxiliary objectives compete at the shared backbone, and our ablation identifies which signals contribute most. We release code, configurations, and evaluation tooling at https://github.com/diuzhevVlad/MC-DeTra.

arXivで原文を読む →arXiv概要ページ

← 論文一覧