基于 CTP-Net 的跨域轨迹预测
计算机视觉与模式识别
2022-08-17 v2
摘要
大多数行人轨迹预测方法依赖大量轨迹标注，这既耗时又昂贵。此外，训练良好的模型可能无法有效地泛化到由另一台相机采集的新场景中。因此，期望将在已标注源域上训练的模型适应到目标域。为了实现轨迹预测的域适应，我们提出了一种跨域轨迹预测网络（CTP-Net）。在该框架中，两个域均使用编码器对观测轨迹进行编码，然后通过跨域特征判别器对其特征进行对齐。此外，考虑到观测轨迹与预测轨迹之间的一致性，利用目标域偏移判别器对未来轨迹预测进行对抗正则化，使其与观测轨迹保持一致。大量实验证明了我们的方法在行人轨迹预测域适应上的有效性。
引用
@article{arxiv.2110.11645,
title = {Cross-domain Trajectory Prediction with CTP-Net},
author = {Pingxuan Huang and Zhenhua Cui and Jing Li and Shenghua Gao and bo Hu and Yanyan Fang},
journal= {arXiv preprint arXiv:2110.11645},
year = {2022}
}
备注
Work is accepted by CICAI(CAAI International Conference on Artificial Intelligence), 12 pages