EDA：用于多模态运动预测的演化与判别锚点
计算机视觉与模式识别
2023-12-18 v1 人工智能
摘要
运动预测是自动驾驶中的一项关键任务，其主要挑战之一在于未来行为的多模态性。许多成功的作品采用了混合模型，这需要识别正混合分量，相应地分为两大主线：基于预测的匹配和基于锚点的匹配。基于预测的匹配中存在的预测聚类现象使得难以挑选代表性轨迹用于下游任务，而基于锚点的匹配则受限于回归能力。在本文中，我们引入了一种名为演化与判别锚点（EDA）的新范式，以基于混合模型为多模态运动预测定义正负分量。我们使锚点能够在特定场景下演化并重新分布自身，以扩大回归容量。此外，我们在将锚点与真实值匹配之前选择判别锚点，这带来了出色的评分性能。与基线 MTR 相比，我们的方法提升了所有指标，特别是 Miss Rate 实现了 13.5% 的显著相对降低，在 Waymo Open Motion Dataset 上取得了 SOTA 性能。代码可在 https://github.com/Longzhong-Lin/EDA 获取。
引用
@article{arxiv.2312.09501,
title = {EDA: Evolving and Distinct Anchors for Multimodal Motion Prediction},
author = {Longzhong Lin and Xuewu Lin and Tianwei Lin and Lichao Huang and Rong Xiong and Yue Wang},
journal= {arXiv preprint arXiv:2312.09501},
year = {2023}
}
备注
Thirty-Eighth AAAI Conference on Artificial Intelligence (AAAI2024)