STINet：用于行人检测与轨迹预测的时空交互网络
计算机视觉与模式识别
2020-05-12 v1
摘要
检测行人并预测其未来轨迹对于自动驾驶等众多应用是关键任务。以往的方法要么将检测和预测作为独立任务处理，要么简单地在检测器之上添加轨迹回归头。在本工作中，我们提出了一种新颖的端到端两阶段网络：时空交互网络 (STINet)。除了对行人进行 3D 几何建模外，我们还对每个行人的时间信息进行了建模。为此，我们的方法在第一阶段预测当前和过去位置，以便每个行人可以跨帧链接，并在第二阶段捕获全面的时空信息。此外，我们使用交互图对对象间的交互进行建模，以收集相邻对象间的信息。在 Lyft 数据集和最近发布的大规模 Waymo 开放数据集上针对目标检测和未来轨迹预测的综合实验验证了所提方法的有效性。对于 Waymo 开放数据集，我们实现了 80.73 的鸟瞰图 (BEV) 检测 AP 和 33.67cm 的行人轨迹预测平均位移误差 (ADE)，为两项任务确立了 SOTA。
引用
@article{arxiv.2005.04255,
title = {STINet: Spatio-Temporal-Interactive Network for Pedestrian Detection and Trajectory Prediction},
author = {Zhishuai Zhang and Jiyang Gao and Junhua Mao and Yukai Liu and Dragomir Anguelov and Congcong Li},
journal= {arXiv preprint arXiv:2005.04255},
year = {2020}
}