AVGCN：基于人类注意力引导的图卷积网络轨迹预测
计算机视觉与模式识别
2021-01-15 v1 机器人学
摘要
行人轨迹预测是一项关键且具有挑战性的任务，尤其在拥挤场景中。我们认为，引入注意力机制以推断不同邻居的重要性，对于在人群规模变化的场景中进行准确轨迹预测至关重要。在本工作中，我们提出了一种新方法 AVGCN，用于利用基于人类注意力（A 表示注意力，V 表示视野约束）的图卷积网络（GCN）进行轨迹预测。首先，我们训练一个注意力网络，使用受试者在鸟瞰人群导航任务中收集的注视数据来估计邻近行人的重要性。然后，我们将受行人视野约束调制的所学注意力权重整合到一个轨迹预测网络中，该网络使用 GCN 高效聚合来自邻居的信息。AVGCN 还利用变分轨迹预测来考虑行人轨迹的随机性。我们的方法在多个轨迹预测基准上取得了最先进的性能，并在所有考虑的基准上获得了最低的平均预测误差。
引用
@article{arxiv.2101.05682,
title = {AVGCN: Trajectory Prediction using Graph Convolutional Networks Guided by Human Attention},
author = {Congcong Liu and Yuying Chen and Ming Liu and Bertram E. Shi},
journal= {arXiv preprint arXiv:2101.05682},
year = {2021}
}
备注
7 pages, 4 figures