AC-VRNN：用于多未来轨迹预测的注意力条件变分循环神经网络
计算机视觉与模式识别
2021-07-09 v2 机器学习
摘要
在拥挤场景中预判人体运动，对于开发智能交通系统、社会感知机器人与先进视频监控应用至关重要。该任务的一个关键组成部分在于人体路径固有的多模态特性，当涉及人际交互时会产生社会可接受的多重未来。为此，我们提出了一种基于条件变分循环神经网络（C-VRNN）的多未来轨迹预测生成式架构。条件化主要依赖于先验信念图，其表示最可能的运动方向，并迫使模型在生成未来位置时报考虑过去观测到的动态。人际交互通过基于图的注意力机制建模，实现对循环估计的在线注意力隐藏状态精炼。为验证模型，我们在公开数据集（如 ETH/UCY、Stanford Drone Dataset、STATS SportVU NBA、Intersection Drone Dataset 与 TrajNet++）上进行了大量实验，并相较若干 SOTA 方法证明了其在拥挤场景中的有效性。
引用
@article{arxiv.2005.08307,
title = {AC-VRNN: Attentive Conditional-VRNN for Multi-Future Trajectory Prediction},
author = {Alessia Bertugli and Simone Calderara and Pasquale Coscia and Lamberto Ballan and Rita Cucchiara},
journal= {arXiv preprint arXiv:2005.08307},
year = {2021}
}
备注
Accepted at Computer Vision and Image Understanding (CVIU)