基于图的空间 Transformer 与记忆回放的多未来行人轨迹预测
计算机视觉与模式识别
2022-06-14 v1
摘要
行人轨迹预测对于自动驾驶与机器人运动规划等诸多现实应用而言是一项基础且具挑战性的任务。除生成单一未来路径外，预测多条合理未来路径在近期轨迹预测研究中日益受到关注。然而，现有方法通常强调行人与周边区域间的空间交互，却忽略预测的平滑性与时间一致性。我们的模型旨在基于历史轨迹，通过建模多尺度基于图的空间 Transformer 并结合一种利用记忆图的名为“记忆回放”的轨迹平滑算法，预测多条路径。我们的方法可全面利用空间信息并修正时间上不一致的轨迹（例如急转弯）。我们还提出一种名为“轨迹使用率”的新评估指标，以评价多样化多未来预测的全面性。大量实验表明，所提模型在多未来预测上达到 SOTA 性能，在单未来预测上取得具竞争力的结果。代码发布于 https://github.com/Jacobieee/ST-MR。
引用
@article{arxiv.2206.05712,
title = {Graph-based Spatial Transformer with Memory Replay for Multi-future Pedestrian Trajectory Prediction},
author = {Lihuan Li and Maurice Pagnucco and Yang Song},
journal= {arXiv preprint arXiv:2206.05712},
year = {2022}
}
备注
This paper has been accepted by CVPR 2022. Reference: Li, L., Pagnucco, M. and Song, Y., 2022. Graph-Based Spatial Transformer With Memory Replay for Multi-Future Pedestrian Trajectory Prediction. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 2231-2241)