.png){kind=icon}
返回
CDKFormer: Contextual deviation knowledge-based transformer for long-tail trajectory prediction
.png){kind=icon}
PRE
AI
DOI：10.1016/j.trc.2025.105430.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 一种基于情境偏差知识的Transformer（CDKFormer），用于长尾轨迹预测。
• 对Argoverse 2数据集中长尾特性的全面分析，以提取能够定量识别罕见和复杂场景的偏差特征。
• 一种基于双查询的解码器，配备多流注意力模块，专门处理异构场景偏差特征，为长尾场景生成稳健的多模态预测。
• 在Argoverse 2和inD数据集上的实验，以评估CDKFormer的先进性能。
期刊
T
IF:
0
论文数:
196
被引数:
0
机构
引用论文
分享收藏
Dynamic-learning spatial-temporal Transformer network for vehicular trajectory prediction at urban intersections用于城市交叉口车辆轨迹预测的动态学习时空变压器网络
PREAI
分享收藏Enhancing predictive performance on long-tail trajectories via clustering and specialized decoders通过聚类和专用解码器提升长尾轨迹的预测性能.png)
Pattern Recognition
OAAI
Pattern RecognitionIF7.6
OAAI分享收藏Adaptive Prediction Ensemble: Improving Out-of-Distribution Generalization of Motion Forecasting自适应预测集成：提升运动预测的分布外泛化能力
PREAI
分享收藏A physics-informed Transformer model for vehicle trajectory prediction on highways用于高速公路上车辆轨迹预测的物理信息变压器模型
PREAI
分享收藏Multi-agent trajectory prediction at unsignalized intersections: An improved generative adversarial network accounting for collision avoidance behaviors无信号交叉口的多智能体轨迹预测：一种考虑避撞行为的改进生成对抗网络
PREAI
分享收藏
查看更多内容