关键词pedestrian motion prediction
搜索结果 - 5
- MS-Net: 多场景运动预测的多路径稀疏模型
提出了一种名为 MS-Net 的多场景网络，通过进化过程训练一种多路径稀疏模型，实现对不同场景下行人运动的预测，实验结果表明，MS-Net 在行人运动预测数据集（如 ETH 和 UCY）上优于现有的最先进方法，并在 INTERACTION - CVPR社交方式：使用 GAN 学习行人轨迹的多模态分布
本文提出了一种基于 GAN 和 Info-GAN 的行人运动预测方法，通过去除 L2 损失函数并使用多模态预测方式，成功避免了 GAN 中的 mode collapsing 和 dropping 问题，同时在真实数据和合成数据上的实验表明， - 恒速模型对行人运动预测的启示
研究比较了使用神经网络完成行人运动预测的复杂模型和简单模型，发现简单的恒定速度模型性能表现更好，说明研究者需要重新考虑神经网络的输入处理方式以及神经网络学习的环境先验对泛化能力的消极影响，并且需要在未来研究方向中注重对神经运动预测进行综合评 - PORCA：自动驾驶中的多行人建模与规划
本文提出了一个规划系统，其通过将人行道上行人的全局导航意图与车辆和其他行人的本地交互考虑在内的人行道运动预测模型 PORCA，结合 POMDP 算法以应对不确定的情况，使得无人驾驶车辆能够以高效、平稳、安全的方式行驶于高密度人流的场景之中。
- 软硬件注意力：一种 LSTM 框架用于人类轨迹预测和异常事件检测
通过建立深度学习基础的行人运动预测模型，利用 “软性注意力” 和 “硬性注意力” 相结合的方式，成功实现了不需要手工特征处理的异常事件检测，从而在两个公开数据库中取得了比同类研究更优秀的结果。