CovarianceNet：用于人体运动预测中正确协方差预测的条件生成模型
计算机视觉与模式识别
2021-12-14 v1 机器人学
摘要
在预测人体运动时，对不确定性的正确刻画与该预测的准确性同等重要。我们提出一种新方法，用于正确预测与未来轨迹预测分布相关的不确定性。我们的方法 CovarianceNet 基于带高斯潜变量的条件生成模型，以预测双变量高斯分布的参数。CovarianceNet 与运动预测模型相结合产生了一种输出单模态分布的混合方法。我们将展示，根据我们提出的度量并在 ETH 数据集 \cite{pellegrini2009you} 中验证，一些最先进的运动预测方法在预测不确定性时变得过度自信。CovarianceNet 正确预测不确定性，这使得我们的方法适用于使用预测分布的应用，例如规划或决策制定。
引用
@article{arxiv.2109.02965,
title = {CovarianceNet: Conditional Generative Model for Correct Covariance Prediction in Human Motion Prediction},
author = {Aleksey Postnikov and Aleksander Gamayunov and Gonzalo Ferrer},
journal= {arXiv preprint arXiv:2109.02965},
year = {2021}
}