Social Ways：利用 GAN 学习行人轨迹的多模态分布
计算机视觉与模式识别
2019-04-25 v2
摘要
本文提出一种预测行人与他人交互时运动的新方法。它使用生成对抗网络（GAN）为场景中任意智能体采样合理的预测。由于 GAN 极易出现模式坍塌与模式丢失，我们展示了最近提出的 Info-GAN 可大幅改善多模态行人轨迹预测以避免这些问题。与一些先前工作不同，我们在训练生成器时省去了 L2 损失，因为其虽收敛更快，却会导致严重的模式坍塌。我们通过真实与合成数据上的实验表明，所提方法能生成更多样化的样本并保留预测分布的模式。特别地，为证明该主张，我们设计了一个轨迹玩具示例数据集，可用于评估不同方法在保留预测分布模式上的性能。
引用
@article{arxiv.1904.09507,
title = {Social Ways: Learning Multi-Modal Distributions of Pedestrian Trajectories with GANs},
author = {Javad Amirian and Jean-Bernard Hayet and Julien Pettre},
journal= {arXiv preprint arXiv:1904.09507},
year = {2019}
}
备注
Accepted at CVPR Workshops 2019