一个多阶段目标驱动网络用于行人轨迹预测
原文中文，约300字，阅读约需1分钟。发表于：。该论文提出了一种用于行人轨迹预测的新方法，称为多阶段目标驱动网络 (MGNet)。通过预测中间阶段目标来生成轨迹，以减小预测误差。MGNet 包括条件变分自编码器 (CVAE)、注意力模块和多阶段目标评估器等主要组件。我们通过对 JAAD 和 PIE 数据集进行全面实验，并与最先进的算法进行比较评估，证明了 MGNet 的有效性。
Goal-GAN是一个可解释性且可端到端训练的人类轨迹预测模型，通过目标估计和路由模块的两阶段过程实现任务。实验结果表明，该模型在多个基准测试中建立了一个新的最先进模型，并能够生成符合物理约束的逼真且多样化的轨迹集合。
