AGMA：面向先验引导的多模态人体轨迹预测的自适应高斯混合锚点
计算机视觉与模式识别
2026-04-15 v2 机器学习
摘要
人体轨迹预测需要捕捉行人行为的多模态特性。然而，现有方法存在先验误差问题。它们学习的或固定的先验常常无法捕捉所有合理未来分布，从而限制了预测的准确性和多样性。我们在理论上证明，预测误差受先验质量的下界限制，表明先验建模是关键性能瓶颈。在此启发下，我们提出 AGMA (自适应高斯混合锚点)，通过两个阶段构建表达式先验：从训练数据中提取多样化的行为模式，并将其提炼为用于推断的场景自适应全局先验。在 ETH-UCY、Stanford Drone 和 JRDB 数据集上进行大量实验表明，AGMA 达到了最先进的性能，确认了高质量先验在轨迹预测中的关键作用。
引用
@article{arxiv.2602.04204,
title = {AGMA: Adaptive Gaussian Mixture Anchors for Prior-Guided Multimodal Human Trajectory Forecasting},
author = {Chao Li and Rui Zhang and Siyuan Huang and Xian Zhong and Hongbo Jiang},
journal= {arXiv preprint arXiv:2602.04204},
year = {2026}
}
备注
Withdrawn for substantial revision and will be re-uploaded as a new manuscript