DAG-Net：用于轨迹预测的双重注意力图神经网络
计算机视觉与模式识别
2020-10-26 v2 机器学习
摘要
理解人类运动行为对于自动驾驶汽车或社交机器人等若干可能的应用，以及一般而言所有自主智能体需在以人为中心的环境中导航的场景，都是一项关键任务。这并非易事，因为人类运动本质上是多模态的：给定人类运动路径的历史，人们未来可能以许多合理的方式移动。此外，人的活动常由目标驱动，例如到达特定位置或与环境中交互。我们通过提出一种新的循环生成模型来解决上述方面，该模型同时考虑单个智能体的未来目标和不同智能体之间的交互。该模型利用双重基于注意力的图神经网络来收集关于不同智能体间相互影响的信息，并将其与智能体可能未来目标的数据相整合。我们的方案具有足够的通用性以应用于不同场景：该模型在城市环境以及体育应用中均取得了最先进（state-of-the-art）的结果。
引用
@article{arxiv.2005.12661,
title = {DAG-Net: Double Attentive Graph Neural Network for Trajectory Forecasting},
author = {Alessio Monti and Alessia Bertugli and Simone Calderara and Rita Cucchiara},
journal= {arXiv preprint arXiv:2005.12661},
year = {2020}
}
备注
Accepted at ICPR 2020