端到端三维多目标跟踪与轨迹预测
计算机视觉与模式识别
2020-08-27 v1 机器学习
多智能体系统
机器人学
摘要
三维多目标跟踪（MOT）与轨迹预测是现代三维感知系统中的两个关键组件。我们假设将这两个任务统一在一个框架下以学习智能体交互的共享特征表示是有益的。为了验证这一假设，我们提出了一种用于三维 MOT 和轨迹预测的统一解决方案，该方案还包含两个额外的新型计算单元。首先，我们通过引入图神经网络（GNN）采用特征交互技术，以捕捉多个智能体之间相互作用的方式。GNN 能够建模复杂的层次交互，改进用于 MOT 关联的判别性特征学习，并为轨迹预测提供具备社会意识的上下文。其次，我们使用多样性采样函数来提高预测轨迹的质量和多样性。学习到的采样函数经过训练，能够从生成式轨迹分布中高效提取多种结果，并有助于避免生成大量重复轨迹样本的问题。我们表明，我们的方法在 KITTI 数据集上取得了 SOTA 性能。我们的项目网站位于 http://www.xinshuoweng.com/projects/GNNTrkForecast。
引用
@article{arxiv.2008.11598,
title = {End-to-End 3D Multi-Object Tracking and Trajectory Forecasting},
author = {Xinshuo Weng and Ye Yuan and Kris Kitani},
journal= {arXiv preprint arXiv:2008.11598},
year = {2020}
}
备注
Extended abstract. The first two authors contributed equally. Project website: http://www.xinshuoweng.com/projects/GNNTrkForecast. arXiv admin note: substantial text overlap with arXiv:2003.07847