Forecasting future trajectories of intelligent agents presents a formidable challenge, necessitating the analysis of intricate scenarios and uncertainties arising from agent interactions. Consequently, it is judicious to contemplate the establishment of inter-agent relationships and the assimilation of contextual semantic information. In this manuscript, we introduce HTTNet, a comprehensive framework that spans three dimensions of information modeling: (1) the temporal dimension, where HTTNet employs a time encoder to articulate time sequences, comprehending the influences of past and future trajectories; (2) the social dimension, where the trajectory encoder facilitates the input of trajectories from multiple agents, thereby streamlining the modeling of interaction information among intelligent agents; (3) the contextual dimension, where the TF-map encoder integrates semantic scene input, amplifying HTTNet cognitive grasp of scene information. Furthermore, HTTNet integrates a hybrid modeling paradigm featuring CNN and transformer, transmuting map scenes into feature information for the transformer. Qualitative and quantitative analyses on the nuScenes and interaction datasets highlight the exceptional performance of HTTNet, achieving 1.03 minADE10 and a 0.31 miss rate on nuScenes, underscoring its effectiveness in multi-agent trajectory prediction in complex scenarios.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W pracy omówiono podstawowe metody obrazowania wnętrza ciała człowieka oraz zaprezentowano przykłady wizualizacji multimodalnych danych medycznych pochodzących z aparatu PET-CT. Omówiono użyte algorytmy wizualizacji danych, ich wady i zalety oraz zaprezentowano przykłady użycia opracowanej hybrydowej metody prezentacji multimodalnych danych medycznych.
EN
In the paper the basic methods of imaging the interior of the human body and examples of visualization of multimodal medical data from PET-CT are presented. A new hybrid method based on surface rendering and color mapping of PET-CT visualization is shown. Qualitative results confirm effectiveness of proposed method.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.