[论文解读] CoMoGCN: Coherent Motion Aware Trajectory Prediction with Graph Representation

Yuying Chen, Congcong Liu+2 more|arXiv (Cornell University)|May 2, 2020

Video Surveillance and Tracking Methods参考文献 2被引用 7

一句话总结

CoMoGCN 提出了一种基于图卷积网络（GCN）的轨迹预测模型，通过整合一致运动聚类与变分自编码器（VAE），提升了拥挤场景中社会交互的建模能力。通过将行人聚类为运动一致的群体，并利用 GCN 建模组内与组间交互，该方法在多个基准测试中达到最先进性能，相较于基于 GAN 的 Social GAN 模型，平均 ADE 提升 22.4%，FDE 提升 22.9%。

ABSTRACT

Forecasting human trajectories is critical for tasks such as robot crowd navigation and autonomous driving. Modeling social interactions is of great importance for accurate group-wise motion prediction. However, most existing methods do not consider information about coherence within the crowd, but rather only pairwise interactions. In this work, we propose a novel framework, coherent motion aware graph convolutional network (CoMoGCN), for trajectory prediction in crowded scenes with group constraints. First, we cluster pedestrian trajectories into groups according to motion coherence. Then, we use graph convolutional networks to aggregate crowd information efficiently. The CoMoGCN also takes advantage of variational autoencoders to capture the multimodal nature of the human trajectories by modeling the distribution. Our method achieves state-of-the-art performance on several different trajectory prediction benchmarks, and the best average performance among all benchmarks considered.

研究动机与目标

• 解决现有方法仅建模成对交互、忽略拥挤场景中群体级运动一致性的局限性。
• 通过一致运动聚类引入中层社会动态，提升轨迹预测的准确性。
• 开发一种可扩展的、可微分的框架，利用图卷积网络自然处理可变规模的人群。
• 利用变分自编码器实现鲁棒的多模态轨迹生成。
• 发布新的、带有运动一致性标注的 ETH 和 UCY 数据集版本，以支持未来研究。

提出的方法

• 采用混合方法（一致过滤与 DBSCAN 聚类结合）将行人轨迹聚类为运动一致的群体。
• 使用图卷积网络（GCN）聚合社会交互特征，邻接矩阵基于空间邻近性和群体归属关系定义。
• 模型采用变分自编码器（VAE）建模未来轨迹的多模态分布，实现多样化且真实的预测。
• GCN 同时处理组内与组间交互，使模型能够捕捉超越成对关系的复杂社会动态。
• 最终预测通过从 VAE 的潜在空间采样生成，使用均值向量进行确定性推理。
• 框架通过重建损失与 KL 散度损失端到端训练，采用随机梯度下降进行优化。

实验结果

研究问题

• RQ1 与仅建模成对交互的模型相比，建模行人群体内的运动一致性模式是否能提升轨迹预测的准确性？
• RQ2 组级别运动约束的整合如何影响轨迹预测模型的泛化能力与鲁棒性？
• RQ3 在建模动态人群交互方面，GCN 相较于传统池化聚合机制在多大程度上表现更优？
• RQ4 与基于 GAN 的方法相比，基于 VAE 的生成框架是否能更优地建模多模态人类运动？
• RQ5 混合标注方法（一致过滤 + DBSCAN）能否有效识别现有轨迹数据集中的运动一致群体，其对模型性能有何影响？

主要发现

• CoMoGCN 在全部五个基准数据集（ETH、UCY、HOTEL、MERTON、MARS）上均达到最先进性能，各项指标平均表现最佳。
• 相较于领先的基于 GAN 的方法 Social GAN，CoMoGCN 在 ADE 上平均提升 22.4%，在 FDE 上平均提升 22.9%。
• 与同样使用 VAE 的 Trajectron 相比，CoMoGCN 在 ADE 上平均降低 15.1%，在 FDE 上平均降低 14.2%。
• 消融实验表明，与使用最大池化 + MLP 的基线相比，基于 GCN 的聚合方式使 ADE 降低 4.1%，FDE 降低 6.9%。
• 引入一致运动信息后，相比仅使用 GCN 的基线，ADE 降低 4.3%，FDE 降低 3.2%。
• 混合一致运动标注方法（一致过滤 + DBSCAN）相比基线一致过滤方法，使 ADE 和 FDE 分别降低 2.2%。