具有空间连续性的时空注意力网络用于轨迹预测
计算机视觉与模式识别
2021-10-15 v3
摘要
由于包含智能体间交互与场景到智能体交互等多种交互，自动预测多智能体轨迹仍具挑战性。尽管近期方法已取得可喜性能，其中多数仅考虑交互的空间影响，而忽略了时间影响总是伴随空间影响这一事实。此外，那些基于场景信息的方法常需额外的分割场景图像来生成多个社会可接受的轨迹。为解决这些局限，我们提出一种名为具有空间连续性的时空注意力网络（STAN-SC）的新模型。首先，提出时空注意力机制以探索最有用的关键信息。其次，我们基于序列与瞬时状态信息构建联合特征序列，使生成的轨迹保持空间连续性。在两个广泛使用的 ETH-UCY 数据集上的实验表明，所提模型达到了最先进的预测精度并能处理更复杂的场景。
引用
@article{arxiv.2003.06107,
title = {A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction},
author = {Beihao Xia and Conghao Wang and Qinmu Peng and Xinge You and Dacheng Tao},
journal= {arXiv preprint arXiv:2003.06107},
year = {2021}
}
备注
bad model settings and unclear results