WildGEN：野生动物的长时域轨迹生成
机器学习
2024-01-12 v1 计算机与社会
摘要
轨迹生成是行人、车辆和野生动物运动研究中的一个重要问题。生成的轨迹有助于丰富深度学习应用中的训练语料，并可用于促进模拟任务。这在野生动物领域尤为重要，因为获取额外真实数据的成本可能极其昂贵、耗时，并且涉及伦理考量。在本文中，我们介绍了WildGEN：一个概念框架，它采用基于变分自编码器（VAE）的方法，利用稀疏的真实样本集获取野鹅在长时域上的运动特征。随后对生成的轨迹进行基于平滑滤波的后处理步骤，以减少过度漂移。我们通过视觉检查和计算生成轨迹与真实轨迹之间的豪斯多夫距离来进行评估。此外，我们利用皮尔逊相关系数，基于生成轨迹和真实轨迹上评估的聚类相似性来衡量轨迹的真实程度。
引用
@article{arxiv.2401.05421,
title = {WildGEN: Long-horizon Trajectory Generation for Wildlife},
author = {Ali Al-Lawati and Elsayed Eshra and Prasenjit Mitra},
journal= {arXiv preprint arXiv:2401.05421},
year = {2024}
}
备注
1st CIKM International Workshop on Knowledge Extraction and Management for Wildlife Conservation (InfoWild 2023)