回归本源：无繁冗修饰的概率轨迹预测
机器学习
2018-12-10 v1 计算机视觉与模式识别
机器学习
摘要
我们引入了一种用于从视觉源进行轨迹预测的时空卷积神经网络模型。以自回归方式应用时，它针对给定初始轨迹片段的延续提供了显式的概率分布。我们将其与（更复杂的）现有工作进行了讨论，并报告了在两个标准轨迹预测数据集上的实验：MNISTseq 和 Stanford Drones，取得了与先前方法相当或更好的结果。
引用
@article{arxiv.1812.02984,
title = {Back to square one: probabilistic trajectory forecasting without bells and whistles},
author = {Ehsan Pajouheshgar and Christoph H. Lampert},
journal= {arXiv preprint arXiv:1812.02984},
year = {2018}
}
备注
4 pages, 3 figures, Workshop on Modeling and Decision-Making in the Spatiotemporal Domain, 32nd Conference on Neural Information Processing Systems (NIPS 2018), Montreal, Canada