MSN：用于轨迹预测的多风格网络

轨迹预测旨在结合视频上下文与观测，预测智能体未来可能的位置。跟踪、检测、机器人导航和自动驾驶汽车等许多自主平台都强烈需要它。无论是智能体内部个性因素、与邻域的交互行为，还是周围环境的影响，都会作用于其未来规划。然而，许多已有方法以相同策略或特征分布对智能体行为建模并预测，难以给出具有充分风格差异的预测。本文提出多风格网络 (MSN)，利用风格提议与风格化预测两个子网络，以新颖的分类方式自适应地提供多风格预测。所提网络包含一系列风格通道，每个通道绑定一种独特且具体的行为风格。我们以智能体终点规划及其交互上下文作为行为分类依据，从而通过这些通道自适应地学习多种多样的行为风格。接着，我们假设目标智能体可能依据这些分类风格中的每一种来规划未来行为，进而利用不同风格通道并行地做出具有显著风格差异的预测。实验表明，所提 MSN 在两个广泛使用的数据集上定量优于当前最优方法达 10%，并在定性上呈现出更好的多风格特性。