面向行人轨迹预测的角度条件化互动表示学习：SocialCircle+
计算机视觉与模式识别
2024-09-24 v1
摘要
轨迹预测是理解人类行为的关键方面。研究者致力于表示行人之间的社交互动行为，并利用各种网络提升预测能力。然而，他们仍面临两个挑战：一是未能充分解释和衡量这些互动行为如何修改轨迹，二是无法建模行人对计划或参与社交互动的偏好，以应对变化的物理环境作为额外条件。本文主要关注上述轨迹预测网络的可解释性和条件性需求。灵感来源于海洋动物通过声纳感知水下伴侣和环境的方式，本工作构建一种基于角度的条件化社交互动表示 SocialCircle+，以表示社交互动情境及其对应条件。它采用社交分支和条件分支，以角度为基础的循环序列形式描述行人在预测场景中的社交和物理位置。随后采用自适应融合将上述条件线索融合到社交线索中，以学习最终的互动表示。实验表明，SocialCircle+ 在不同轨迹预测主干网络上均表现出优越性。此外，还进行反事实干预，以同时验证其对互动变量之间因果关系的建模能力和条件能力。
引用
@article{arxiv.2409.14984,
title = {SocialCircle+: Learning the Angle-based Conditioned Interaction Representation for Pedestrian Trajectory Prediction},
author = {Conghao Wong and Beihao Xia and Ziqian Zou and Xinge You},
journal= {arXiv preprint arXiv:2409.14984},
year = {2024}
}