关注历史:利用局部行为数据的轨迹预测
计算机视觉与模式识别
2022-07-21 v1
摘要
此前经过某位置的历史轨迹有助于推断当前位于该位置的智能体的未来轨迹。尽管在高清地图引导下轨迹预测已取得巨大进展,仅有少数工作探索了此类局部历史信息。本工作中,我们重新引入该信息作为轨迹预测系统的新型输入数据:局部行为数据,我们将其概念化为一组位置特定的历史轨迹的集合。局部行为数据帮助系统强调预测局部性,并更好理解静态地图对象对运动智能体的影响。我们提出了一种新颖的局部行为感知(LBA)预测框架,通过融合观测轨迹、高清地图与局部行为数据的信息来提升预测精度。此外,当此类历史数据不足或不可用时,我们采用局部行为无关(LBF)预测框架,其采用基于知识蒸馏的架构来推断缺失数据的影响。大量实验表明,用这两种框架升级现有方法可显著提升其性能。特别地,LBA 框架在 nuScenes 数据集上使 SOTA 方法的 K=1 指标性能至少提升 14%。
引用
@article{arxiv.2207.09646,
title = {Aware of the History: Trajectory Forecasting with the Local Behavior Data},
author = {Yiqi Zhong and Zhenyang Ni and Siheng Chen and Ulrich Neumann},
journal= {arXiv preprint arXiv:2207.09646},
year = {2022}
}
备注
This paper has been accepted by ECCV 2022