基于个人重要性进行选择性社交互动以实现人类轨迹预测

本文提出了一种用于预测主要人物轨迹时选择重要相邻人物的架构。为实现有效的相邻人物选择，我们提出了名为重要性估计器的人物选择模块，该模块输出预测主要人物未来轨迹时每个相邻人物的重要性。为防止基于重要性对周围人物进行采样时梯度被非可微操作阻塞，我们采用 Gumbel Softmax 进行训练。在 JRDB 数据集上的实验结果表明，我们的方法在保持竞争性预测精度的同时显著加快了处理速度。