基于视频生成对抗网络的自动驾驶车辆轨迹提议
计算机视觉与模式识别
2025-06-23 v1 机器学习
摘要
能够生成真实的轨迹选项是提高道路车辆自动化程度的核心。虽然目前广泛使用模型驱动、基于规则和经典学习的方法来处理这些任务，但它们可能难以有效捕捉未来轨迹的复杂多模态分布。在本文中，我们研究了一个在鸟瞰交通场景视频上训练的生成对抗网络是否能够生成统计上准确的轨迹，并正确捕捉智能体之间的空间关系。为此，我们提出了一个流程，该流程使用低分辨率鸟瞰占用网格视频作为视频生成模型的训练数据。从生成的交通场景视频中，我们使用单帧目标检测和帧间目标匹配来提取抽象的轨迹数据。我们特别选择了生成对抗网络架构，因为其相对于扩散模型具有更快的训练和推理时间。我们在100个GPU小时的训练内获得了最佳结果，推理时间低于20毫秒。我们通过空间和动态参数相对于Waymo开放运动数据集真实视频的分布对齐，证明了所提议轨迹的物理真实性。
引用
@article{arxiv.2506.16209,
title = {VideoGAN-based Trajectory Proposal for Automated Vehicles},
author = {Annajoyce Mariani and Kira Maag and Hanno Gottschalk},
journal= {arXiv preprint arXiv:2506.16209},
year = {2025}
}