SocialVAE：基于时间维度隐变量的行人轨迹预测
计算机视觉与模式识别
2022-11-01 v4 机器学习
摘要
预测行人运动对于人类行为分析以及安全高效的人机交互至关重要。然而，尽管取得了显著进展，现有方法在捕捉人类导航决策的不确定性和多模态性方面仍存在挑战。本文提出 SocialVAE，一种用于行人轨迹预测的新方法。SocialVAE 的核心是一种时间维度变分自编码器架构，其利用随机循环神经网络进行预测，并结合社会注意力机制与后向后验近似，以更好地提取行人导航策略。我们表明，SocialVAE 在多个行人轨迹预测基准上提升了当前最先进性能，包括 ETH/UCY 基准、Stanford Drone Dataset 和 SportVU NBA 运动数据集。代码见：https://github.com/xupei0610/SocialVAE。
引用
@article{arxiv.2203.08207,
title = {SocialVAE: Human Trajectory Prediction using Timewise Latents},
author = {Pei Xu and Jean-Bernard Hayet and Ioannis Karamouzas},
journal= {arXiv preprint arXiv:2203.08207},
year = {2022}
}
备注
In the 17th European Conference on Computer Vision (ECCV 2022). Code: https://github.com/xupei0610/SocialVAE