新颖ET空间：韩国光州科技研究院开源特征轨迹

以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文##开源# ICCV 2023|韩国光州科技研究院（GIST）卡内基梅隆大学开源特征轨迹：多模态轨迹预测的低秩描述子

(资料图片)

【EigenTrajectory: Low-Rank Descriptors for Multi-Modal Trajectory Forecasting】文章链接：[] EigenTrajectory: Low-Rank Descriptors...

开源地址：https: ///inhwanbae/EigenTrajectory

捕捉高维的社会交往和可行的未来对于预测轨迹至关重要。为了解决这个复杂的性质，已经有一些尝试通过参数曲线拟合来降低输出变量的维度，如Bezier曲线和B样条函数。然而，这些起源于计算机图形学领域的功能并不适合解释社会可接受的人类动力学。在本文中，我们提出了EigenTtrack ( ET )轨迹预测方法，该方法使用一种新的轨迹描述符来形成一个紧凑的空间，称为ET空间，以代替欧氏空间来表示行人运动。我们首先通过低秩近似降低轨迹描述符的复杂度。 我们将行人的历史轨迹转化为我们的时空主成分表示的ET空间，并将其馈送到现成的轨迹预测模型中。模型的输入和输出以及社会交互都在相应的ET空间中聚集和聚合。最后，我们提出了一种基于轨迹锚的精化方法来覆盖所提出的ET空间中所有可能的预测。 大量的实验表明，我们的EigenTtrack预测器能够显著提高现有轨迹预测模型在公开数据集上的预测精度和可靠性，表明我们提出的描述子非常适合表征行人行为。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容

最后介绍一下我们最近的几个学习活动：

1、从零掌握GNSS、RTK定位

2、从零开始ChatGPT编程

3、视觉动态SLAM方向全梳理

4、快速入门激光雷达惯性SLAM-FastLio2

5、超棒的机器人SLAM圈！

关键词：