CARPe Posterum：一种用于实时行人路径预测的卷积方法
计算机视觉与模式识别
2021-06-10 v3
摘要
行人路径预测是计算机视觉与视频理解中的重要课题。洞察行人运动对于包括自动驾驶车辆、社交机器人和环境监测在内的多种应用的安全运行至关重要。该领域当前工作利用复杂的生成或循环方法来捕捉众多可能的未来。然而，尽管预测未来路径具有固有的实时性质，探索准确且计算高效的方法来完成此任务的工作甚少。为此，我们提出一种用于实时行人路径预测的卷积方法 CARPe。它利用 Graph Isomorphism Networks 的一种变体结合敏捷的卷积神经网络设计，形成快速且准确的路径预测方法。在推理速度与预测精度上均取得显著结果，与当前最先进方法相比大幅提升了 FPS，同时在知名路径预测数据集上给出具竞争力的精度。
引用
@article{arxiv.2005.12469,
title = {CARPe Posterum: A Convolutional Approach for Real-time Pedestrian Path Prediction},
author = {Matías Mendieta and Hamed Tabkhi},
journal= {arXiv preprint arXiv:2005.12469},
year = {2021}
}
备注
AAAI-21 Camera Ready