Take a NAP：行人轨迹的非自回归预测
计算机视觉与模式识别
2020-04-22 v1
摘要
行人轨迹预测是一项具有挑战性的任务，因为人类运动行为有三个需要解决的特性，即来自其他行人的社会影响、场景约束以及预测的多模态（多路径）性质。尽管现有方法已经探索了这些关键特性，但这些方法的预测过程是自回归的。这意味着它们只能按顺序预测未来位置。在本文中，我们提出了一种用于轨迹预测的非自回归方法 NAP。我们的方法包含专门设计的特征编码器和隐变量生成器，以处理上述三个特性。它还具有一个时间不可知上下文生成器和一个时间特定上下文生成器，用于非自回归预测。通过将 NAP 与几种近期方法进行比较的大量实验，我们表明 NAP 具有 SOTA 的轨迹预测性能。
引用
@article{arxiv.2004.09760,
title = {Take a NAP: Non-Autoregressive Prediction for Pedestrian Trajectories},
author = {Hao Xue and Du. Q. Huynh and Mark Reynolds},
journal= {arXiv preprint arXiv:2004.09760},
year = {2020}
}