真实世界驾驶场景中的随机未来预测
计算机视觉与模式识别
2022-09-28 v2 机器学习
摘要
不确定性在未来预测中起着关键作用。未来是不确定的。这意味着可能存在许多可能的未来。未来预测方法应覆盖所有可能性以保持鲁棒性。在自动驾驶中，在预测部分覆盖多种模态对于做出安全关键决策至关重要。尽管计算机系统视觉近年来取得了巨大进步，未来预测至今仍十分困难。若干例子包括未来的不确定性、对完整场景理解的要求以及噪声输出空间。在本文中，我们通过以随机方式显式建模运动并在潜在空间中学习时间动态，对这些挑战提出了解决方案。
引用
@article{arxiv.2209.10693,
title = {Stochastic Future Prediction in Real World Driving Scenarios},
author = {Adil Kaan Akan},
journal= {arXiv preprint arXiv:2209.10693},
year = {2022}
}
备注
MS thesis, overlap with arXiv:2203.13641, arXiv:2203.10528, arXiv:2108.02760