另一垂直视角：基于频谱的异构轨迹预测分层网络
计算机视觉与模式识别
2024-12-04 v2
摘要
随着人工智能相关技术的快速发展，轨迹预测的应用不再局限于较简单的场景与轨迹。越来越多不同形式的轨迹，如坐标、边界框乃至高维人体骨架，需要被分析与预测。在这些异构轨迹中，同一轨迹帧内不同元素之间的交互（我们称之为“维度间交互”）会更加复杂且具挑战性。然而，以往多数方法主要关注特定形式的轨迹，对潜在的维度间交互关注较少。本工作中，我们通过引入轨迹维度 扩展了轨迹预测任务，从而将其应用场景推广至异构轨迹。我们首先引入 Haar 变换作为傅里叶变换的替代方案，以更好地捕捉各轨迹维度的时间-频率特性。随后，我们采用双线性结构同时建模并融合时间-频率响应与维度间交互这两个因素，以通用方式通过轨迹频谱分层预测异构轨迹。实验表明，所提模型在包含 2D 坐标、2D/3D 边界框与 3D 人体骨架的异构轨迹的 ETH-UCY、SDD、nuScenes 与 Human3.6M 数据集上优于多数当前最优方法。
引用
@article{arxiv.2304.05106,
title = {Another Vertical View: A Hierarchical Network for Heterogeneous Trajectory Prediction via Spectrums},
author = {Beihao Xia and Conghao Wong and Duanquan Xu and Qinmu Peng and Xinge You},
journal= {arXiv preprint arXiv:2304.05106},
year = {2024}
}