基于社会信息的行人轨迹预测重建

本研究解决了行人轨迹预测中的社交互动动态的复杂性问题。我们提出了一种结合重建器和条件变分自编码器的轨迹预测模块，生成伪轨迹作为训练增强，从而提高模型的社会意识，并通过一项新颖的社会损失来预测更稳定的轨迹。实验结果表明，该方法在ETH/UCY和SDD基准测试中表现优异，具有显著的预见性和影响力。