MX-LSTM：融合轨迹片段与姿态片段联合预测轨迹与头部姿态
计算机视觉与模式识别
2018-05-03 v1
摘要
近期关于轨迹预测的方法利用轨迹片段（tracklets）并通过长短期记忆（LSTM）架构预测行人的未来位置。本文表明，加入姿态片段（vislets），即短序列的头部姿态估计，可显著提升轨迹预测性能。我们进而提出在名为 MX-LSTM 的新框架中使用 vislets，借助 LSTM 反向传播期间全协方差矩阵的无约束联合优化来捕捉 tracklets 与 vislets 之间的相互作用。同时，MX-LSTM 预测未来的头部姿态，增强了长时轨迹预测方法的标准能力。借助标准头部姿态估计器与基于注意力的社会池化，MX-LSTM 在所有考虑的数据集（Zara01、Zara02、UCY 和 TownCentre）上取得了新的轨迹预测最优性能，并在行人减速时以显著优势领先，而多数预测方法在此情形下难以给出准确解。
引用
@article{arxiv.1805.00652,
title = {MX-LSTM: mixing tracklets and vislets to jointly forecast trajectories and head poses},
author = {Irtiza Hasan and Francesco Setti and Theodore Tsesmelis and Alessio Del Bue and Fabio Galasso and Marco Cristani},
journal= {arXiv preprint arXiv:1805.00652},
year = {2018}
}
备注
10 pages, 3 figures to appear in CVPR 2018