Goal-GAN：基于目标位置估计的多模态轨迹预测
计算机视觉与模式识别
2020-10-05 v1
摘要
本文提出Goal-GAN，一种可解释且端到端可训练的人体轨迹预测模型。受人类导航启发，我们将轨迹预测任务建模为直观的两阶段过程：（i）目标估计，预测智能体最可能的目标位置，随后（ii）路径模块估计一组朝向估计目标的可行轨迹。我们利用过去轨迹信息与场景视觉上下文，估计可能目标位置上的多模态概率分布，用于在推理时采样潜在目标。路径由循环神经网络控制，其对附近环境的物理约束作出反应，并生成朝向采样目标的可行路径。我们大量的实验评估表明，我们的方法在多个基准上确立了新的SOTA，同时能够生成符合物理约束的真实且多样的轨迹集合。
引用
@article{arxiv.2010.01114,
title = {Goal-GAN: Multimodal Trajectory Prediction Based on Goal Position Estimation},
author = {Patrick Dendorfer and Aljoša Ošep and Laura Leal-Taixé},
journal= {arXiv preprint arXiv:2010.01114},
year = {2020}
}
备注
Oral presentation at ACCV 2020