SimAug：从仿真中学习鲁棒表征以进行轨迹预测
计算机视觉与模式识别
2020-07-21 v3
摘要
本文研究在未见过的相机、新场景与新视角下预测行人未来轨迹的问题。我们采用无真实数据的设定来解决该问题，即模型仅在三维仿真数据上训练，并开箱即用地应用于多种真实相机。我们提出一种通过增强仿真训练数据来学习鲁棒表征的新方法，使表征能更好地泛化到未见的真实世界测试数据。其核心思想是将最困难相机视角的特征与原始视角的对抗特征相混合。我们将该方法称为 SimAug。我们表明，在使用零真实训练数据的情况下，SimAug 在三个真实世界基准上取得了有前景的结果；并在使用域内训练数据时，于 Stanford Drone 和 VIRAT/ActEV 数据集上达到了最先进的性能。
引用
@article{arxiv.2004.02022,
title = {SimAug: Learning Robust Representations from Simulation for Trajectory Prediction},
author = {Junwei Liang and Lu Jiang and Alexander Hauptmann},
journal= {arXiv preprint arXiv:2004.02022},
year = {2020}
}
备注
Accepted by ECCV 2020. Project website: https://next.cs.cmu.edu/simaug