BGM：无需视觉图像构建动态引导图用于轨迹预测
计算机视觉与模式识别
2022-06-17 v1
摘要
视觉图像通常包含环境的丰富上下文信息，从而有助于预测智能体的行为。然而，由于语义各自固定，它们很难对智能体的实际行为施加动态影响。为了解决这个问题，我们提出了一种名为 BGM 的确定性模型来构建引导图以表示动态语义，该模型避免了为每个智能体使用视觉图像，从而反映不同时期活动的差异。我们首先记录场景中所有智能体在接近当前时刻的一段时间内的活动以构建引导图，然后将其输入 Context CNN 以获取它们的上下文特征。我们采用历史轨迹编码器提取轨迹特征，然后将其与上下文特征结合作为基于社会能量的轨迹解码器的输入，从而获得符合社会规则的预测。实验表明，BGM 在两个广泛使用的 ETH 和 UCY 数据集上实现了 SOTA 的预测精度，并能处理更复杂的场景。
引用
@article{arxiv.2010.03897,
title = {BGM: Building a Dynamic Guidance Map without Visual Images for Trajectory Prediction},
author = {Beihao Xia and Conghao Wong and Heng Li and Shiming Chen and Qinmu Peng and Xinge You},
journal= {arXiv preprint arXiv:2010.03897},
year = {2022}
}