使用概率复合贝塞尔曲线生成多步轨迹预测的合成真实分布
机器学习
2024-04-09 v1
摘要
合适的数据基础是训练和评估基于神经网络的概率轨迹预测模型的最重要方面之一。在这方面，当前基准数据集的一个常见缺点是它们局限于样本轨迹集合，缺乏实际真实分布，这阻碍了使用更具表现力的误差度量（如用于模型评估的Wasserstein距离）。为此，本文提出了一种基于复合概率贝塞尔曲线的合成数据集生成新方法，该方法能够以完整轨迹上的概率分布形式生成真实数据。这使得可以计算任意后验分布。本文展示了一个使用生成的真实分布数据进行轨迹预测模型评估的示例。
引用
@article{arxiv.2404.04397,
title = {Generating Synthetic Ground Truth Distributions for Multi-step Trajectory Prediction using Probabilistic Composite B\'ezier Curves},
author = {Ronny Hug and Stefan Becker and Wolfgang Hübner and Michael Arens},
journal= {arXiv preprint arXiv:2404.04397},
year = {2024}
}