OpenTraj：评估人体轨迹数据集中的预测复杂度
计算机视觉与模式识别
2020-11-04 v2
摘要
人体轨迹预测（HTP）在过去几年中获得了很大发展，并已提出许多解决方案。恰当基准测试是比较方法的关键问题，本文探讨如何评估给定数据集相对于预测问题的复杂度。为评估数据集复杂度，我们围绕三个概念定义了一系列指标：轨迹可预测性；轨迹规律性；上下文复杂度。我们依据这些指标比较 HTP 中最常用的数据集，并讨论这对 HTP 算法基准测试可能意味着什么。我们的源代码发布于 Github。
引用
@article{arxiv.2010.00890,
title = {OpenTraj: Assessing Prediction Complexity in Human Trajectories Datasets},
author = {Javad Amirian and Bingqing Zhang and Francisco Valente Castro and Juan Jose Baldelomar and Jean-Bernard Hayet and Julien Pettre},
journal= {arXiv preprint arXiv:2010.00890},
year = {2020}
}
备注
ACCV2020