【速读】Social GAN : Socially Acceptable Trajectories with Generative Adversarial Networks

Social GAN : Socially Acceptable Trajectories with Generative Adversarial Networks

  • Paper:https://openaccess.thecvf.com/content_cvpr_2018/papers/Gupta_Social_GAN_Socially_CVPR_2018_paper.pdf
  • Code(pytorch):https://github.com/agrimgupta92/sgan

简介

SGAN用于行人轨迹预测任务, 行人轨迹预测可以用于许多的方面应用,例如: 自驾车。但是在一个场景中,要预测所有人行走轨迹会有很多挑战出现。

而这篇论文的作者主要针对该模型架构有以下几点贡献:

  1. a novel variety loss,通过鼓励进行多样化的预测。由原先只能预测单一轨迹,经由改良, 该模型可以提出预测多条轨迹,从这些预测的轨迹里面找出最佳的轨迹。
  2. 导入Pooling Module,提出新的Pooling 机制来帮助感知场景的周遭所有行人的行走轨迹。

在这里插入图片描述

模型架构可以分成三个关键组成部分 : Generator (G), Pooling Module (PM) and Discriminator (D)。
G基于encoder-decoder框架,在该框架中,透过PM连接encoder-decoder的hidden states。
G将场景中所有行人过去轨迹作为输入,并输出所有行人的未来预测轨迹。
D输入包括输入实际行人轨迹和未来预测轨迹的整个序列,并判断是’’real/fake’’。



  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值