基于自监督骨架表示学习的鲁棒人体轨迹预测
计算机视觉与模式识别
2026-02-27 v1
摘要
人体轨迹预测在自动导航和视频监控等应用中发挥着关键作用。虽然最近的工作尝试将人体骨架序列与轨迹信息相结合以补充轨迹信息，但现实环境中的骨架数据常因遮挡导致关节缺失。这些扰动显著降低了预测准确性，表明需要更稳健的骨架表示。我们提出一种融合自监督骨架表示模型的鲁棒轨迹预测方法，该模型使用掩码自编码进行预训练。遮挡易发生场景的实验结果表明，我们的方法在面对缺失骨架数据时保持鲁棒性而不牺牲预测准确性，并且在干净到中等缺失程度的 regime 中 consistently 优于基线模型。
引用
@article{arxiv.2602.22791,
title = {Robust Human Trajectory Prediction via Self-Supervised Skeleton Representation Learning},
author = {Taishu Arashima and Hiroshi Kera and Kazuhiko Kawamoto},
journal= {arXiv preprint arXiv:2602.22791},
year = {2026}
}
备注
11 pages main, 5 pages supplementary material