CVPR2022论文速览--Vehicle trajectory prediction works, but not everywhere
车辆轨迹预测有效,但并非无处不在
原文链接
[2112.03909] Vehicle trajectory prediction works, but not everywhere (arxiv.org)
研究背景
现有预测模型无法推广到新的场景中,由于场景生成方法改变了场景,使得训练过程中几乎不包含关于未来轨迹的信息,因此导致在新场景中鲁棒性差
研究问题
如何有效生成有效的真实的新场景?
如何评估现有轨迹预测模型?如何证明生成场景的真实性?
能否利用生成的场景提高预测模型的鲁棒性?
解决方案
对抗性自动生成逼真场景
搜索方法寻找具有挑战性的真实驾驶场景,具体到每个轨迹预测模型
效果
使用在Argoverse公共数据集上训练的三种最先进的轨迹预测模型(LanGCN,DATF,WIMP),研究模型可转移性鲁棒性,LaneGCN微调后鲁棒性增加,DATF,WIMP鲁棒性不佳
证明物理约束是使场景可行的必要条件
LaneGCN(图卷积网络): Argoverse预测挑战的首选方法之一,是一个多模态预测模型,同时还提供了各模态的概率,考虑概率最大的模态
DATF :一种基于流量的方法,使用交叉熵损失来鼓励产生对道路的预测。由于该多态模型不提供每一模态的概率,因此考虑最接近基本事实的概率 Diverse and admisible trajectory forecasting through multimodal context understanding.通过多模态语境理解进行多元可接受轨迹预测
WIMP:一种使用场景关注模块和动态交互图来捕捉几何关系和社会关系。由于该多态模型不提供每一模态的概率,因此考虑最接近基本事实的概率 What-if motion prediction for autonomous driving.
热度图表明,模型更容易受到较大的转换参数的影响。红色表示在这些场景中有更多的越野预测,绿色表示更高的可接受性。通常模型在高曲率时轮流失效。例如,更剧烈的转弯。此外,它显示更多的越野在左转弯比右转弯。这可能是由于数据集中的偏差。在鲁棒模型中可以看到一个明显的改进
HOR:offroad在预测轨迹点中至少发生一次offroad的场景百分比
SOR:offroad预测点占所有预测点的百分比
算法:
算法被Kmax迭代,每次迭代中,选择一个变换函数,然后由变换函数生成相应的场景,然后对观测轨迹进行缩放以确保场景的可行性。接下来在新场景中预测,并用于计算loss,最佳损失决定最终生成的场景
CVPR2022论文速览--Vehicle trajectory prediction works, but not everywhere相关推荐
- Arxiv论文速览--LAformer: Trajectory Prediction for Autonomous Driving with Lane-Aware Scene Constraints
LAformer: 基于车道感知场景约束的自主驾驶的轨迹预测 原文连接: LAformer: Trajectory Prediction for Autonomous Driving with Lan ...
- CVPR2021论文速览--LaPred: Lane-Aware Prediction of Multi-Modal Future Trajectories of Dynamic Agents
LaPred:动态代理多模态未来轨迹的车道感知预测 原文链接: LaPred: Lane-Aware Prediction of Multi-Modal Future Trajectories of ...
- [论文阅读]用于车辆轨迹预测的卷积社交池Convolutional Social Pooling for Vehicle Trajectory Prediction
文章目录 一.摘要 二.介绍 三.相关研究 3.1 基于机动的模型 3.2 交互感知模型 3.3 运动预测的递归网络 四.问题制定 4.1 参照系 4.2 输入输出 4.3 概率运动预测 4.4 操作 ...
- 【今日CV 视觉论文速览】Fri, 15 Feb 2019
今日CS.CV计算机视觉论文速览 Fri, 15 Feb 2019 Totally 49 papers Daily Computer Vision Papers [1] Title: Deep Gen ...
- 【AI视野·今日CV 计算机视觉论文速览 第153期】Fri, 16 Aug 2019
AI视野·今日CS.CV 计算机视觉论文速览 Fri, 16 Aug 2019 Totally 29 papers ?上期速览✈更多精彩请移步主页 Interesting: ?***Structure ...
- 【今日CV 计算机视觉论文速览 第145期】Fri, 19 Jul 2019
今日CS.CV 计算机视觉论文速览 Fri, 19 Jul 2019 Totally 33 papers ?上期速览✈更多精彩请移步主页 Interesting: ?水下图像增强综述, 主要就深度学习 ...
- 【今日CV 计算机视觉论文速览 第126期】Thu, 6 Jun 2019
今日CS.CV 计算机视觉论文速览 Thu, 6 Jun 2019 Totally 38 papers ?上期速览✈更多精彩请移步主页 Daily Computer Vision Papers Sin ...
- 【今日CV 计算机视觉论文速览 第123期】Mon, 3 Jun 2019
今日CS.CV 计算机视觉论文速览 Mon, 3 Jun 2019 Totally 54 papers ?上期速览✈更多精彩请移步主页 Daily Computer Vision Papers Ske ...
- 【今日CV 计算机视觉论文速览 第120期】Thu, 23 May 2019
今日CS.CV 计算机视觉论文速览 Thu, 23 May 2019 Totally 36 papers ?上期速览✈更多精彩请移步主页 Interesting: ?PEPSI++快速轻量级图像修复模 ...
最新文章
- 基于WebGL架构的3D可视化平台—三维设备管理(ThingJS实现楼宇设备管理3D可视化)...
- 服务器维修一天,魔兽世界怀旧服一天增加16个服务器,维护四次,这才是明智选择...
- Cygwin简介及其下载安装卸载
- xlwings复制sheet_Python操作Excel的Xlwings教程(六)
- 浅谈压缩感知(十六):感知矩阵之RIP
- 【脑经急转弯】—— 灯亮还是灭?
- loss 加权_Multi-Similarity Loss使用通用对加权进行深度度量学习-CVPR2019
- 小米8se线刷机(卡刷机一般解决不了问题,所以不用卡刷)
- 《国富论》亚当-斯密 - 阅读思考和笔记
- Android之 APP创建或删除快捷方式
- amcharts的使用介绍
- LORA+4G无线组网的方案
- R语言25-Prosper 贷款数据分析1
- python实现词云(爬取豆瓣影评)
- fedora23 桌面工具栏fedy, 桌面美化 allow: 2'lau不是2'l2u
- 开源版禅道的使用教程
- 企业数字化转型组织人才发展建设
- python3使用mbruteforce报错
- SpringMVC与structs2区别
- gcc与linux内核,linux内核版本及其编译的gcc版本