CVPR 2023: Leapfrog Diffusion Model for Stochastic Trajectory Prediction

我们使用以下6个分类标准对本文的研究选题进行分析：

1. 扩散模型类型:

• 标准扩散模型
• 蛙跳扩散模型 (LED) 
• 其他扩散模型变体 

2. 预测类型:

• 确定性 vs. 随机性
• 个体 vs. 群体

3. 数据模态:

• 单变量 (仅位置数据)
• 多模态 (结合视频、激光雷达等附加数据)

4. 推理速度:

• 实时 vs. 非实时
• 推理速度比较 (例如，LED 与标准扩散模型)

5. 预测性能:

• 使用的指标 (例如，ADE、FDE)
• 跨模型和数据集的性能比较

6. 应用领域:

• 行人轨迹预测
• 车辆轨迹预测
• 运动员轨迹预测 (例如，NBA/NFL)
• 其他

对以上6 个分类标准的详细解释：

1. 扩散模型类型:

该标准区分了轨迹预测中使用的不同扩散模型架构。

• 标准扩散模型: 这是基线模型，遵循传统的扩散过程，即逐渐向目标分布添加噪声，然后逆转过程将其“去噪”为所需数据 (在本例中为未来轨迹)。由于大量的去噪步骤，它可能在计算上很昂贵。
• 蛙跳扩散模型 (LED): 这是摘要中提出的模型，它利用可训练的“蛙跳初始化器”直接学习未来轨迹的表达性多模态分布。这跳过了许多去噪步骤，