利用地图信息进行运动预测中的自监督学习
计算机视觉与模式识别
2022-10-11 v1
摘要
受近期自监督学习(SSL)应用发展的启发,我们设计了一项轨迹预测的辅助任务,该任务利用仅含地图的信息(如图连通性),旨在提升地图理解能力与泛化能力。我们通过两种框架——多任务学习与预训练——来应用该辅助任务。在两种框架中,我们都观察到基线模型在 (最高达 20.3%)和 (最高达 33.3%)等指标上的显著提升,以及由不同训练配置所展现出的对地图特征更丰富的理解。所得结果在用于实验的三个数据集 Argoverse、Interaction 和 NuScenes 上均一致。我们还将新预训练模型的结果提交至 Interaction 挑战赛,并在 和 方面取得第 1 名。
引用
@article{arxiv.2210.04672,
title = {Exploiting map information for self-supervised learning in motion forecasting},
author = {Caio Azevedo and Thomas Gilles and Stefano Sabatini and Dzmitry Tsishkou},
journal= {arXiv preprint arXiv:2210.04672},
year = {2022}
}