BriefGPT - AI 论文速递
·
空时条件随机场用于人类轨迹预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种新的模型S-T CRF，通过融入意图信息和利用条件随机场生成后续意图的表示，改善了后续轨迹的预测。实验评估证明该方法超过了现有的基线方法。
🎯
关键要点
- 本研究提出了一种新的模型 S-T CRF (空间 - 时间 条件随机场)。
- 模型融入了意图信息，结合空间 - 时间表示改善后续轨迹预测。
- 利用条件随机场 (CRF) 生成后续意图的表示。
- 设计了空间 CRF 损失和时间 CRF 损失，增强交互约束和时间动力学。
- 在 ETH/UCY 和 SDD 数据集上进行了广泛实验评估。
- 实验结果证明该方法超过了现有的基线方法。
➡️
