量化长期人类轨迹预测标准基准数据集的复杂度
计算机视觉与模式识别
2021-05-21 v4 机器学习
摘要
量化轨迹数据集复杂度的方法仍是基准测试人类轨迹预测模型所缺失的一环。为了更好地理解轨迹预测任务的复杂度，并遵循更复杂的数据集包含更多信息的直觉，我们提出了一种基于原型的数据集表示来量化数据集中所含信息量的方法。该数据集表示首先通过非平凡的空间序列比对获得，从而实现随后的学习向量量化(LVQ)阶段。我们在若干人类轨迹预测基准数据集上进行了大规模复杂度分析，并简要讨论了其对人类轨迹预测与基准测试的意义。
引用
@article{arxiv.2005.13934,
title = {Quantifying the Complexity of Standard Benchmarking Datasets for Long-Term Human Trajectory Prediction},
author = {Ronny Hug and Stefan Becker and Wolfgang Hübner and Michael Arens},
journal= {arXiv preprint arXiv:2005.13934},
year = {2021}
}