重终点而非过程：端点条件化轨迹预测
计算机视觉与模式识别
2020-07-21 v3 机器学习
摘要
在多智能体社会交互场景下的人类轨迹预测，对于人类环境中的自主导航（如自动驾驶汽车与社会机器人）至关重要。本工作中，我们提出预测端点条件化网络（PECNet）以实现灵活的人类轨迹预测。PECNet 推断远距离轨迹端点，以辅助长程多模态轨迹预测。一种新颖的非局部社会池化层使 PECNet 能够推断多样且符合社会规范的轨迹。此外，我们提出一种简单的“截断技巧”以改善少样本多模态轨迹预测性能。我们表明，PECNet 在 Stanford Drone 轨迹预测基准上较最先进水平提升约 20.9%，在 ETH/UCY 基准上提升约 40.8%。项目主页：https://karttikeya.github.io/publication/htf/
引用
@article{arxiv.2004.02025,
title = {It Is Not the Journey but the Destination: Endpoint Conditioned Trajectory Prediction},
author = {Karttikeya Mangalam and Harshayu Girase and Shreyas Agarwal and Kuan-Hui Lee and Ehsan Adeli and Jitendra Malik and Adrien Gaidon},
journal= {arXiv preprint arXiv:2004.02025},
year = {2020}
}
备注
Accepted at ECCV 2020 (Oral)