MG-GAN：一种防止行人轨迹预测中分布外样本的多生成器模型
计算机视觉与模式识别
2021-08-23 v1
摘要
由于其不确定性与多模态性质，行人轨迹预测具有挑战性。虽然生成对抗网络可以学习未来轨迹上的分布，但当未来轨迹的分布是多个（可能不连通的）模态的混合时，它们倾向于预测分布外样本。为解决此问题，我们提出一种用于行人轨迹预测的多生成器模型。每个生成器专用于学习场景中朝向主要模态之一的轨迹分布，而第二个网络以动力学与场景输入为条件，学习这些生成器上的类别分布。该架构使我们能有效从专用生成器采样，并与单生成器方法相比显著减少分布外样本。
引用
@article{arxiv.2108.09274,
title = {MG-GAN: A Multi-Generator Model Preventing Out-of-Distribution Samples in Pedestrian Trajectory Prediction},
author = {Patrick Dendorfer and Sven Elflein and Laura Leal-Taixé},
journal= {arXiv preprint arXiv:2108.09274},
year = {2021}
}
备注
Accepted at ICCV 2021; Code available: https://github.com/selflein/MG-GAN