基于时变社会感知重思考的滑动序列 CVAE 轨迹预测
计算机视觉与模式识别
2021-10-29 v1 人工智能
摘要
行人轨迹预测是视频监控、社交机器人导航与自动驾驶等诸多应用中的关键技术，该研究方向已取得显著进展。然而，以往研究仍存在两点局限。首先，随时间推移，各时间步的预测误差显著增大，导致最终位移误差无法忽略。其次，多个行人的预测结果在预测时域内可能不切实际，即预测轨迹可能相互碰撞。为克服这些局限，本文提出一种称为 CSR 的新型轨迹预测方法，其由级联条件变分自编码器 (CVAE) 模块与社会感知回归模块组成。级联 CVAE 模块首先以序列模式估计未来轨迹。具体而言，每个 CVAE 将过去轨迹与迄今已预测点拼接作为输入，预测下一时间步的位置。随后，社会感知回归模块由估计的未来轨迹生成偏移量，以产生符合社会规范的最终预测，其比估计轨迹更为合理与准确。此外，考虑到级联 CVAE 模块模型参数量大，进一步采用滑动 CVAE 模块，以可滑动方式利用一个共享 CVAE 提升模型效率。实验结果表明，所提方法在 Stanford Drone Dataset (SDD) 与 ETH/UCY 上分别比最先进方法提升约 38.0% 与 22.2%。
引用
@article{arxiv.2110.15016,
title = {Sliding Sequential CVAE with Time Variant Socially-aware Rethinking for Trajectory Prediction},
author = {Hao Zhou and Dongchun Ren and Xu Yang and Mingyu Fan and Hai Huang},
journal= {arXiv preprint arXiv:2110.15016},
year = {2021}
}