Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.02571

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2506.02571 (cs)
[提交于 2025年6月3日 ]

标题: 对比与压缩:学习短轨迹的轻量级嵌入

标题: Contrast & Compress: Learning Lightweight Embeddings for Short Trajectories

Authors:Abhishek Vivekanandan, Christian Hubschneider, J. Marius Zöllner
摘要: 能够以准确性和高效性检索语义和方向上相似的短程轨迹,是诸如运动预测和自主导航等下游应用的基础。 然而,现有的方法通常依赖于计算密集型的启发式算法或缺乏可解释性和可控性的潜在锚点表示。 在这项工作中,我们提出了一种新颖的框架,通过利用经过对比三元组损失训练的Transformer编码器来学习短轨迹的固定维度嵌入,强调了轨迹数据判别特征空间的重要性。 我们在对比学习范式内分析了余弦和基于FFT的相似性度量的影响,重点关注捕捉短期操作中特有的细微方向意图。 我们在Argoverse 2数据集上的实证评估表明,由余弦相似性目标塑造的嵌入在语义和方向属性上对轨迹的聚类效果优于基于FFT的基线,在检索任务中表现更佳。 值得注意的是,我们展示了紧凑型Transformer架构(即使使用低维嵌入,例如16维,但定性上甚至可以降至4维)在检索性能(minADE, minFDE)和计算开销之间取得了令人信服的平衡,与实时系统中对可扩展且可解释的运动先验的需求相一致。 由此产生的嵌入为轨迹数据提供了一种紧凑、语义丰富且高效的表示形式,为启发式相似性度量提供了一个稳健的替代方案,并为更透明和可控的运动预测管道铺平了道路。
摘要: The ability to retrieve semantically and directionally similar short-range trajectories with both accuracy and efficiency is foundational for downstream applications such as motion forecasting and autonomous navigation. However, prevailing approaches often depend on computationally intensive heuristics or latent anchor representations that lack interpretability and controllability. In this work, we propose a novel framework for learning fixed-dimensional embeddings for short trajectories by leveraging a Transformer encoder trained with a contrastive triplet loss that emphasize the importance of discriminative feature spaces for trajectory data. We analyze the influence of Cosine and FFT-based similarity metrics within the contrastive learning paradigm, with a focus on capturing the nuanced directional intent that characterizes short-term maneuvers. Our empirical evaluation on the Argoverse 2 dataset demonstrates that embeddings shaped by Cosine similarity objectives yield superior clustering of trajectories by both semantic and directional attributes, outperforming FFT-based baselines in retrieval tasks. Notably, we show that compact Transformer architectures, even with low-dimensional embeddings (e.g., 16 dimensions, but qualitatively down to 4), achieve a compelling balance between retrieval performance (minADE, minFDE) and computational overhead, aligning with the growing demand for scalable and interpretable motion priors in real-time systems. The resulting embeddings provide a compact, semantically meaningful, and efficient representation of trajectory data, offering a robust alternative to heuristic similarity measures and paving the way for more transparent and controllable motion forecasting pipelines.
评论: 投稿同行评审
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.02571 [cs.CV]
  (或者 arXiv:2506.02571v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.02571
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Abhishek Vivekanandan [查看电子邮件]
[v1] 星期二, 2025 年 6 月 3 日 07:53:04 UTC (5,892 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号