通过隐式函数学习连续环境场
计算机视觉与模式识别
2021-11-30 v1
摘要
我们提出了一种新颖的场景表示，其编码了到达距离——即场景中任意位置沿可行轨迹到目标的距离。我们证明了这种环境场表示可以直接引导智能体在 2D 迷宫或 3D 室内场景中的动态行为。我们的环境场是一种连续表示，并使用离散采样的训练数据通过神经隐式函数学习得到。我们展示了其在 2D 迷宫中智能体导航以及 3D 室内环境中人类轨迹预测的应用。为了为人类生成物理上合理且自然的轨迹，我们额外学习了一个生成模型，用于预测人类常出现的区域，并强制环境场在这些区域内定义。大量实验表明，所提出的方法能够高效且准确地生成既可行又合理的轨迹。
引用
@article{arxiv.2111.13997,
title = {Learning Continuous Environment Fields via Implicit Functions},
author = {Xueting Li and Shalini De Mello and Xiaolong Wang and Ming-Hsuan Yang and Jan Kautz and Sifei Liu},
journal= {arXiv preprint arXiv:2111.13997},
year = {2021}
}