用于空间交互建模的卷积
计算机视觉与模式识别
2022-06-09 v3
摘要
在许多不同领域中，对象间的交互对其行为起关键作用。图神经网络（GNNs）已成为建模交互的有力工具，尽管常以增加显著复杂度和延迟为代价。本文中，我们考虑自动驾驶车辆周边参与者运动预测背景下的空间交互建模问题，并探究 GNNs 的替代方案。我们重访 2D 卷积，表明其在建模空间交互时可展现出与图网络相当的性能且延迟更低，从而在时间关键系统中提供有效且高效的替代。此外，我们提出一种新颖的交互损失以进一步改进所考量方法的交互建模。
引用
@article{arxiv.2104.07182,
title = {Convolutions for Spatial Interaction Modeling},
author = {Zhaoen Su and Chao Wang and David Bradley and Carlos Vallespi-Gonzalez and Carl Wellington and Nemanja Djuric},
journal= {arXiv preprint arXiv:2104.07182},
year = {2022}
}
备注
Supplementary material included, to appear at CVPR2022