多模态轨迹预测的三步法：模态聚类、分类与合成
计算机视觉与模式识别
2021-03-23 v2
摘要
由于未来不存在唯一正确答案，多模态预测结果对轨迹预测任务至关重要。此前的框架可分为三类：回归框架、生成框架和分类框架。然而，这些框架在不同方面存在缺陷，因而无法全面建模多模态预测任务。本文提出一种新颖见解及全新预测框架，将多模态预测形式化为三步：模态聚类、分类与合成，并克服了早期框架的不足。在主流基准上的详尽实验表明，即便不引入社交与地图信息，我们所提方法仍超越了SOTA工作。具体而言，在ETH/UCY数据集上，我们的ADE和FDE分别提升了19.2%和20.8%。我们的代码将公开可用。
引用
@article{arxiv.2103.07854,
title = {Three Steps to Multimodal Trajectory Prediction: Modality Clustering, Classification and Synthesis},
author = {Jianhua Sun and Yuxuan Li and Hao-Shu Fang and Cewu Lu},
journal= {arXiv preprint arXiv:2103.07854},
year = {2021}
}