GSGFormer：用于多模态行人轨迹预测的生成式社会图Transformer
计算机视觉与模式识别
2023-12-08 v1 人工智能
摘要
行人轨迹预测对于自动驾驶汽车和具有社会意识的机器人至关重要，但由于行人、其环境以及其他弱势道路使用者之间复杂的相互作用而变得复杂。本文提出了GSGFormer，这是一种创新的生成模型，擅长通过考虑这些复杂的相互作用来预测行人轨迹，并提供大量潜在的模态行为。我们结合了一个异构图神经网络来捕获行人、语义地图和潜在目的地之间的交互。Transformer模块提取时间特征，而我们新颖的CVAE-Residual-GMM模块促进了多样化的行为模态生成。通过在多个公共数据集上的评估，GSGFormer不仅在数据充足时优于领先方法，而且在数据有限时仍保持竞争力。
引用
@article{arxiv.2312.04479,
title = {GSGFormer: Generative Social Graph Transformer for Multimodal Pedestrian Trajectory Prediction},
author = {Zhongchang Luo and Marion Robin and Pavan Vasishta},
journal= {arXiv preprint arXiv:2312.04479},
year = {2023}
}