基于空间交互 Transformer 网络的行人轨迹预测
计算机视觉与模式识别
2021-12-14 v1 机器学习
摘要
作为自动驾驶系统的核心技术，行人轨迹预测可显著增强车辆主动安全功能并减少道路交通伤害。在交通场景中，当遇到迎面而来的人时，行人可能突然转弯或立刻停止，这常导致复杂轨迹。为预测此类不可预测轨迹，我们可以洞察行人之间的交互。本文中，我们提出一种名为空间交互 Transformer（SIT）的新颖生成方法，其通过注意力机制学习行人轨迹的时空相关性。此外，我们引入条件变分自编码器（CVAE）框架来建模行人未来的潜在运动状态。特别地，基于大规模交通数据集 nuScenes [2] 的实验表明，SIT 的性能优于前沿（SOTA）方法。在具挑战性的 ETH 与 UCY 数据集上的实验评估证实了我们所提模型的鲁棒性。
引用
@article{arxiv.2112.06624,
title = {Pedestrian Trajectory Prediction via Spatial Interaction Transformer Network},
author = {Tong Su and Yu Meng and Yan Xu},
journal= {arXiv preprint arXiv:2112.06624},
year = {2021}
}