PLAN-B：用于动作预测的可能替代最优序列预测
机器学习
2021-03-31 v1
摘要
动作预测侧重于在动作发生前对其进行预判。近期工作利用概率方法来描述未来的不确定性并采样未来动作。然而，这些方法难以轻易找出所有替代预测，而鉴于未来固有的不可预测性，这些替代预测至关重要，且当前的评估协议并未衡量系统寻找此类替代项的能力。我们从不仅预测最优预测、还能以 accuracy@k 指标预测最优替代项的能力这一角度重新审视动作预测。此外，我们提出 Choice F1：一种受 F1 分数启发的指标，用于评估预测系统在找出所有合理未来同时仅保留最可能未来方面的能力。为评估该问题，我们提出一种新方法——预测可能替代最优项（PLAN-B），用于自动找出最可能替代未来集合的动作预测。PLAN-B 由两个新颖组件构成：(i) 确保找出所有可能未来的 Choice Table；(ii) 结合动作序列与特征信息的“协同”RNN 系统。我们证明本系统在基准数据集上优于当前最优结果。
引用
@article{arxiv.2103.15987,
title = {PLAN-B: Predicting Likely Alternative Next Best Sequences for Action Prediction},
author = {Dan Scarafoni and Irfan Essa and Thomas Ploetz},
journal= {arXiv preprint arXiv:2103.15987},
year = {2021}
}