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 ...

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

CVPR2022论文速览--Vehicle trajectory prediction works, but not everywhere相关推荐

最新文章

热门文章