基于分布判别的个性化轨迹预测
计算机视觉与模式识别
2022-07-19 v2
摘要
轨迹预测面临着以多样性和准确性捕捉未来动态多模态本质的困境。在本文中，我们提出一种分布判别（DisDis）方法，通过区分潜在分布来预测个性化运动模式。鉴于每个人的运动模式因其习惯而具有个性化，我们的 DisDis 学习潜在分布以表示不同的运动模式，并通过对比判别对其进行优化。这种分布判别促使潜在分布更具判别性。我们的方法可作为即插即用模块与现有的多模态随机预测模型集成，以学习更具判别性的潜在分布。为评估潜在分布，我们进一步提出了一种新指标——概率累积最小距离（PCMD）曲线，该曲线在排序后的概率上累积计算最小距离。在 ETH 和 UCY 数据集上的实验结果表明了我们方法的有效性。
引用
@article{arxiv.2107.14204,
title = {Personalized Trajectory Prediction via Distribution Discrimination},
author = {Guangyi Chen and Junlong Li and Nuoxing Zhou and Liangliang Ren and Jiwen Lu},
journal= {arXiv preprint arXiv:2107.14204},
year = {2022}
}
备注
Accepted to ICCV 2021. Code: https://github.com/CHENGY12/DisDis