.png){kind=icon}
返回
NaCGCN: Node-augmented complementary graph convolution networks for pedestrian trajectory prediction
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2026.132473.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 现有轨迹预测方法难以处理群体和场景因素对社会交互建模的影响。此外，这些方法侧重于建模常规交互模式，导致难以推广到实际场景。
• 我们提出了一种节点增强互补图卷积网络，利用节点增强和互补稀疏交互建模方法来学习行人的社会和时序交互模式。
• 我们设计了一个节点增强注意力模块，整合个体特征、社交特征和场景特征，以增强图的交互建模能力。
• 我们设计了U型互补稀疏模块，通过U型非对称卷积和互补指示函数来学习行人的规律性和异常交互。
• 设计了一个特征融合模块来融合互补交互特征，随后采用两阶段预测及相应的损失函数完成未来轨迹的预测。
Keyword:
trajectory prediction
graph convolution network
social interaction modeling
pedestrian behavior
complementary sparse module
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
暂无机构信息
引用论文
Dynamic-group-aware networks for multi-agent trajectory prediction with relational reasoning基于关系推理的动态群感知多智能体轨迹预测网络.png)
NEURAL NETWORKS
OAAI
NEURAL NETWORKSIF6.3
OAAI分享收藏Review of Pedestrian Trajectory Prediction Methods: Comparing Deep Learning and Knowledge-Based Approaches行人轨迹预测方法综述: 深度学习和基于知识的方法比较
OAAI
OAAI分享收藏Group-PTP: A pedestrian trajectory prediction method based on group featuresGroup-PTP: 一种基于群体特征的行人轨迹预测方法
IF0
PREAI
分享收藏Evaluating Pedestrian Trajectory Prediction Methods With Respect to Autonomous Driving评估与自动驾驶有关的行人轨迹预测方法OAAI
OAAI分享收藏Pedestrian trajectory prediction with convolutional neural networks基于卷积神经网络的行人轨迹预测PATTERN RECOGNITIONOAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏RDGCN: Reasonably dense graph convolution network for pedestrian trajectory predictionRDGCN: 用于行人轨迹预测的合理密集图卷积网络MEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏MSDHGNN: Multiscale decomposition hypergraph neural network for pedestrian trajectory predictionMSDHGNN: 多尺度分解超图神经网络用于行人轨迹预测
IF0
PREAI
分享收藏
查看更多内容