面向异质轨迹预测的无限邻域交互
人工智能
2021-11-03 v3 计算机视觉与模式识别
摘要
理解智能体之间复杂的社会交互是轨迹预测的关键挑战。大多数现有方法考虑成对交通智能体之间或局部区域内的交互，而交互的本质是无限的，同时涉及不确定数量的智能体与非局部区域。此外，它们将异质交通智能体同等对待，即不同类别智能体之间的交互，而忽略了人们对不同类别交通智能体的多样化反应模式。为解决这些问题，我们提出一种简单而有效的无限邻域交互网络（UNIN），用于预测多类别异质智能体的轨迹。具体地，所提出的无限邻域交互模块同时生成参与交互的所有智能体的融合特征，其可适应任意数量的智能体与任意范围的交互区域。同时，提出一种层次图注意力模块以获取类别到类别以及智能体到智能体的交互。最后，估计高斯混合模型的参数以生成未来轨迹。在基准数据集上的大量实验结果表明，我们的方法相较最先进（SOTA）方法取得了显著的性能提升。
引用
@article{arxiv.2108.00238,
title = {Unlimited Neighborhood Interaction for Heterogeneous Trajectory Prediction},
author = {Fang Zheng and Le Wang and Sanping Zhou and Wei Tang and Zhenxing Niu and Nanning Zheng and Gang Hua},
journal= {arXiv preprint arXiv:2108.00238},
year = {2021}
}