QCNet:多智能体轨迹预测框架
QCNet [CVPR 2023] Query-Centric Trajectory Prediction 项目地址: https://gitcode.com/gh_mirrors/qc/QCNet
项目基础介绍和主要编程语言
QCNet 是一个优雅、高效且可扩展的多智能体轨迹预测框架,由 Zikang Zhou 等人开发。该项目的主要编程语言是 Python。QCNet 在 CVPR 2023 上被接受,并在多个轨迹预测基准测试中取得了领先的成绩。
项目核心功能
- 场景编码器:具有空间中的旋转平移不变性和时间中的平移不变性,能够从根本上实现准确的多智能体预测。
- 两阶段 DETR 风格的轨迹解码器:有助于多模态和长期预测。
- 流处理支持:理论上支持流处理,适用于实时应用。
项目最近更新的功能
- Argoverse 2 边际预测代码发布:2023年6月29日,发布了 Argoverse 2 边际预测的代码,用户可以体验最新的预测功能。
- Argoverse 2 边际预测检查点发布:2023年7月4日,发布了 Argoverse 2 边际预测的检查点,用户可以尝试使用这些检查点进行预测。
- QCNeXt 冠军版本:2023年6月18日,QCNeXt(QCNet 的扩展版本)在 CVPR 2023 自动驾驶研讨会(WAD)的 Argoverse 2 多智能体运动预测挑战赛中获得了冠军。
QCNet [CVPR 2023] Query-Centric Trajectory Prediction 项目地址: https://gitcode.com/gh_mirrors/qc/QCNet