要約
本稿では、新たなシナリオや視点における未確認カメラでの人々の将来軌道予測という問題に取り組む。我々は、モデルが3Dシミュレーションデータのみで学習され、実世界の多様なカメラに即座に適用可能な「実データ不要（real-data-free）」の設定を採用する。この問題に対して、シミュレーション学習データを拡張することで、より汎化性能に優れた堅牢な表現を学習する新たなアプローチを提案する。その鍵となるアイデアは、最も困難なカメラ視点の特徴と、元の視点の敵対的特徴を混合することにある。本手法を $ \textit{SimAug} $ と呼ぶ。実データをゼロで学習した状態でも、3つの実世界ベンチマークにおいて有望な結果を達成し、スタンフォードドローンデータセットおよびVIRAT/ActEVデータセットでは、ドメイン内学習データを用いた場合、最先端の性能を示すことを実証した。コードとモデルは https://next.cs.cmu.edu/simaug にて公開されている。