AA-SGAN：基于对抗性增强的社交生成对抗网络
计算机视觉与模式识别
2025-05-28 v1 人工智能
摘要
准确预测行人轨迹在自动驾驶或服务机器人等应用中至关重要。深度生成模型在此任务上取得优异性能，前提是拥有足够的标记轨迹用于训练。为此，大量合成标记轨迹存在（例如来自视频游戏）。然而，这些轨迹并非旨在真实代表行人运动，对训练预测模型效果不佳。我们提出一种方法和架构，在训练时对合成轨迹进行对抗性增强。我们展示，在训练时进行轨迹增强后，对真实世界轨迹评估的基于最先进生成模型性能显著提升。
引用
@article{arxiv.2412.18038,
title = {AA-SGAN: Adversarially Augmented Social GAN with Synthetic Data},
author = {Mirko Zaffaroni and Federico Signoretta and Marco Grangetto and Attilio Fiandrotti},
journal= {arXiv preprint arXiv:2412.18038},
year = {2025}
}