基于上下文无关自条件 GAN 的轨迹预测
机器学习
2026-03-10 v1
摘要
本文提出一种基于自条件 GAN 的无上下文无监督方法，用于从 2D 轨迹中学习不同模式。我们的直觉是，每一种模式指示了判别器特征空间中不同行为移动模式。我们将此方法应用于轨迹预测问题。我们提出了三种基于自条件 GAN 的不同训练设置，这些设置可生成更好的预测器。我们在两个数据集上测试了该方法：人类动作和道路代理。实验结果表明，我们的方法在最少的监督标签下优于以前的无上下文方法，同时在其余标签上表现良好。此外，我们的方法在人类动作方面整体优于基准，在道路代理方面表现良好。
引用
@article{arxiv.2603.08658,
title = {Context-free Self-Conditioned GAN for Trajectory Forecasting},
author = {Tiago Rodrigues de Almeida and Eduardo Gutierrez Maestro and Oscar Martinez Mozos},
journal= {arXiv preprint arXiv:2603.08658},
year = {2026}
}
备注
Accepted at the 2022 21st IEEE International Conference on Machine Learning and Applications (ICMLA)