基于改进活动预测的轨迹生成方法
计算机视觉与模式识别
2019-12-13 v1
摘要
基于二维与三维活动预测，提出了一种用于轨迹生成的高效逆强化学习算法。我们利用 范数修正奖励函数，并提出在值迭代步骤中引入卷积，称为卷积值迭代。在 seabird 轨迹（43 条用于训练，10 条用于测试）上的实验结果表明，我们的方法在 MHD 误差方面最优且速度最快。所生成的用于插值轨迹缺失部分的轨迹，相比以往工作生成的轨迹，与真实 seabird 轨迹更为相似。
引用
@article{arxiv.1912.05729,
title = {Improved Activity Forecasting for Generating Trajectories},
author = {Daisuke Ogawa and Toru Tamaki and Tsubasa Hirakawa and Bisser Raytchev and Kazufumi Kaneda and Ken Yoda},
journal= {arXiv preprint arXiv:1912.05729},
year = {2019}
}
备注
The 2019 International Workshop on Frontiers of Computer Vision (IW-FCV2019)