SoPhie：一种用于预测符合社会与物理约束路径的注意力 GAN
计算机视觉与模式识别
2018-09-21 v2
摘要
本文解决场景中多个交互智能体路径预测问题，这是自动驾驶汽车和社会机器人等许多自主平台的关键步骤。我们提出 \textit{SoPhie}；一个基于生成对抗网络（GAN）的可解释框架，它利用两类信息：场景中全部智能体的路径历史，以及使用场景图像得到的场景上下文信息。要预测智能体的未来路径，必须同时利用物理与社会信息。先前工作未能成功联合建模物理与社会交互。我们的方法将社会注意力机制与物理注意力相融合，帮助模型学习在大型场景中何处观察并提取与路径最相关的图像显著部分。而社会注意力组件则聚合不同智能体交互的信息，并从周围邻居中提取最重要的轨迹信息。SoPhie 还利用 GAN 生成更真实的样本，并通过建模未来路径的分布来捕捉其不确定性本质。所有这些机制使我们的方法能够预测在社会与物理上合理的智能体路径，并在多个不同的轨迹预测基准上达到最先进的性能。
引用
@article{arxiv.1806.01482,
title = {SoPhie: An Attentive GAN for Predicting Paths Compliant to Social and Physical Constraints},
author = {Amir Sadeghian and Vineet Kosaraju and Ali Sadeghian and Noriaki Hirose and S. Hamid Rezatofighi and Silvio Savarese},
journal= {arXiv preprint arXiv:1806.01482},
year = {2018}
}