Social-Pose：利用人体姿态增强轨迹预测
计算机视觉与模式识别
2025-07-31 v1
摘要
精准的人类轨迹预测是自动驾驶最关键的任务之一，确保其安全。然而，现有模型往往未能充分利用人类在导航空间时潜意识传达的视觉线索。本文研究使用人类身体姿态而非仅依赖其时序笛卡尔空间位置进行人类轨迹预测的优势。我们提出了"Social-pose"，一种基于注意力机制的姿态编码器，有效捕获场景中所有人的姿态及其社交关系。该方法可集成到各种轨迹预测架构中。我们在基于 LSTM、GAN、MLP 和 Transformer 的最新模型上进行了大量实验，在合成数据集（Joint Track Auto）和真实数据集（Human3.6M、Pedestrians and Cyclists in Road Traffic、JRDB）上均取得显著改进。我们还探讨了使用 2D 与 3D 姿态的优势，以及噪声姿态的影响，以及将本pose-based预测器应用于机器人导航场景的潜力。
引用
@article{arxiv.2507.22742,
title = {Social-Pose: Enhancing Trajectory Prediction with Human Body Pose},
author = {Yang Gao and Saeed Saadatnejad and Alexandre Alahi},
journal= {arXiv preprint arXiv:2507.22742},
year = {2025}
}
备注
Accepted to IEEE Transactions on Intelligent Transportation Systems (T-ITS)