典型文献
基于多头注意力对抗机制的复杂场景行人轨迹预测
文献摘要：
行人轨迹预测对智慧城市建设、公共危机管理具有重要意义.复杂场景中的行人轨迹不仅包含行人个体运动时序性特征,还包含行人与周围其他运动实体之间的交互性特征.如何根据场景变化,对这种时序性和交互性特征进行深度刻画并进行轨迹预测,是复杂场景行人轨迹预测的关键问题.本文采用多头注意力机制和对抗生成方法,提出一种基于多头注意力机制的生成对抗网络模型(Multi-head Attention Generative Adversarial Model,MAGAM),对复杂场景下多行人轨迹进行建模.论文首先通过多头注意力机制融合行人的相对位移信息,从不同方面学习轨迹特征空间中各子空间特征的权重信息,实现对行人之间相互影响的交互性轨迹特征刻画;然后采用对抗生成机制和多轨迹生成策略,实现对复杂场景下不同个体移动轨迹的生成与预测.最后,本文在两个公开的数据集(ETH和UCY)进行了实验验证.实验结果表明,在ADE、FDE和AnlDE三个指标上,本文提出的MAGAM模型比基准模型误差平均降低了 26.90％、21.02％和24.06％.本文对模型的预测结果进行可视化分析,直观展示了本论文模型的合理性.
文献关键词：
复杂场景;轨迹预测;多头注意力;位置编码;对抗生成
中图分类号：
作者姓名：
余力;李慧媛;焦晨璐;冷友方;徐冠宇
作者机构：
中国人民大学信息学院 北京 100872;北京理工大学信息与电子学院 北京 100081
文献出处：
引用格式：
[1]余力;李慧媛;焦晨璐;冷友方;徐冠宇-.基于多头注意力对抗机制的复杂场景行人轨迹预测)[J].计算机学报,2022(06):1133-1146
A类：
MAGAM,AnlDE
B类：
对抗机制,复杂场景,景行,行人轨迹预测,智慧城市建设,公共危机管理,时序性特征,交互性,多头注意力机制,对抗生成,生成方法,生成对抗网络,Multi,head,Attention,Generative,Adversarial,Model,多行,注意力机制融合,相对位移,特征空间,子空间,空间特征,重信,生成机制,多轨,轨迹生成,生成策略,移动轨迹,ETH,UCY,ADE,FDE,比基,模型误差,观展,本论,位置编码
AB值：
0.332657
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
