面向交通场景轨迹预测的空间-通道Transformer网络
计算机视觉与模式识别
2021-02-08 v2
摘要
预测周围智能体的运动对于自动驾驶战术路径规划的实际应用至关重要。由于智能体间复杂的时序依赖与社会交互，在线轨迹预测是一项具有挑战性的任务。随着近年来注意力机制的发展，Transformer模型已率先应用于自然语言序列处理，随后拓展至图像处理。本文提出一种具备注意力功能的空间-通道Transformer网络用于轨迹预测。我们摒弃RNN模型，采用Transformer模型捕捉智能体的时空特征，并插入通道级模块以度量智能体间的社会交互。我们发现，空间-通道Transformer网络在交通场景的真实世界轨迹预测数据集上取得了令人满意的结果。
引用
@article{arxiv.2101.11472,
title = {Spatial-Channel Transformer Network for Trajectory Prediction on the Traffic Scenes},
author = {Jingwen Zhao and Xuanpeng Li and Qifan Xue and Weigong Zhang},
journal= {arXiv preprint arXiv:2101.11472},
year = {2021}
}