轨迹预测方法评估及 TrajNet 基准测试札记
计算机视觉与模式识别
2018-08-17 v6
摘要
近年来，从基于贝叶斯公式建模跟踪问题转向使用深度神经网络。为此，本文评估了各种深度神经网络在预测未来行人路径方面的有效性。所分析的深度网络如同传统方法一样，仅依赖观测轨迹片段而无人人交互信息。评估在公开可用的 TrajNet 基准数据集上进行，该数据集构建了基于轨迹的活动预测的大量流行数据集仓库。我们展示了一种在顶部堆叠稠密层的循环编码器（称为 RED-predictor）在此类场景中相比精细模型能够取得出色结果。此外，我们研究了失败案例并对观测现象给出解释，且给出克服所演示缺陷的一些建议。
引用
@article{arxiv.1805.07663,
title = {An Evaluation of Trajectory Prediction Approaches and Notes on the TrajNet Benchmark},
author = {Stefan Becker and Ronny Hug and Wolfgang Hübner and Michael Arens},
journal= {arXiv preprint arXiv:1805.07663},
year = {2018}
}
备注
Accepted at ECCV Workshop on Anticipating Human Behavior under adapted title. RED: A simple but effective Baseline Predictor for the TrajNet Benchmark