BriefGPT - AI 论文速递
·
PIP-Net：野外行人意图预测
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
本文介绍了PIP-Net框架，用于预测自动驾驶汽车在现实城市场景中行人过马路意图。该模型利用运动数据和驾驶场景的空间特征，采用基于循环和时间注意力的解决方案，优于当前最先进的模型。该模型能够提前4秒准确预测行人过马路意图，是行人意图预测研究的突破。
🎯
关键要点
- PIP-Net框架用于预测自动驾驶汽车在城市场景中行人过马路意图。
- 模型利用运动数据和驾驶场景的空间特征，采用循环和时间注意力的解决方案。
- PIP-Net模型优于当前最先进的模型，能够提前4秒准确预测行人过马路意图。
- 引入分类深度特征图和局部运动流特征，提高道路使用者的视觉表达和距离感知。
- 探索将视野从一个相机扩展到三个相机的影响，增强模型的上下文感知能力。
- 首次提出Urban-PIP数据集，包含多相机注释的自动驾驶情景下的行人意图预测数据集。
➡️
