基于时间集成和学习聚合的多模态运动预测

本研究解决了轨迹预测中存在的不确定性和多模态分布捕捉的挑战，提出了一种名为“基于时间集成和学习聚合”的元算法，以弥补轨迹预测中缺失行为的问题。通过利用邻近帧的预测信息，我们的方法在增强空间覆盖和预测多样性方面取得显著改善，相较于最强基线QCNet，minADE减少了4%，minFDE降低了5%，miss rate减少了1.16%。