基于GAN的社会和场景感知行人轨迹预测

来源：计算机应用与软件杂志2024年第6期北京时间：

作者：李兰, 张洁, 刘杰, 胡克勇

摘要：针对状态精细化长短期记忆网络（SR-LSTM）未考虑周围物理场景对行人轨迹预测的影响，且无法生成多种可能性样本的问题，提出一种基于生成对抗网络（Generative Adversarial Networks,GAN)的社会和场景感知行人轨迹预测模型。此模型引入社会注意力及语义池机制，社会注意力建模邻人当前重要意图，以从相邻行人中选择重要的信息，语义池定义物理场景语义并学习与行人轨迹相关性。由于GAN易发生模式崩溃和下降，采用Info-GAN进行训练生成更真实的样本。在ETH和UYC两个数据集上进行实验，结果表明该方法较于SR-LSTM，ADE降低8.9百分点，FDE降低12.8百分点，且可生成更多合理的样本。

关键词：行人轨迹预测, 生成对抗网络, 注意力机制, 语义池机制, 长短期记忆网络