[论文解读] SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction

Liushuai Shi, Le Wang+5 more|arXiv (Cornell University)|Apr 4, 2021

Autonomous Vehicle Technology and SafetyEngineering参考文献 48被引用 17

一句话总结

该论文提出 SGCN，一种稀疏图卷积网络，通过使用两个独立的稀疏有向图——空间图与时间图——来建模行人轨迹中的稀疏有向交互作用和运动趋势。通过融合这两个图以估计双高斯分布，SGCN 在 ETH 和 UCY 数据集上的平均位移误差（ADE）比最先进方法降低 9%，最终位移误差（FDE）降低 13%，并在复杂交互场景中表现出更优的泛化能力。

ABSTRACT

Pedestrian trajectory prediction is a key technology in autopilot, which remains to be very challenging due to complex interactions between pedestrians. However, previous works based on dense undirected interaction suffer from modeling superfluous interactions and neglect of trajectory motion tendency, and thus inevitably result in a considerable deviance from the reality. To cope with these issues, we present a Sparse Graph Convolution Network~(SGCN) for pedestrian trajectory prediction. Specifically, the SGCN explicitly models the sparse directed interaction with a sparse directed spatial graph to capture adaptive interaction pedestrians. Meanwhile, we use a sparse directed temporal graph to model the motion tendency, thus to facilitate the prediction based on the observed direction. Finally, parameters of a bi-Gaussian distribution for trajectory prediction are estimated by fusing the above two sparse graphs. We evaluate our proposed method on the ETH and UCY datasets, and the experimental results show our method outperforms comparative state-of-the-art methods by 9% in Average Displacement Error(ADE) and 13% in Final Displacement Error(FDE). Notably, visualizations indicate that our method can capture adaptive interactions between pedestrians and their effective motion tendencies.

研究动机与目标

• 为解决行人轨迹预测中密集无向交互建模的局限性，后者会引入冗余交互作用，且无法捕捉真实的运动趋势。
• 建模行人之间自适应的有向交互作用，以反映现实世界中的影响动态，而非假设对称或普适的交互。
• 将运动趋势——短期轨迹方向——融入预测中，以提升准确性，特别是在非碰撞或结伴行走的场景中。
• 开发一种基于图的深度学习框架，利用稀疏有向图联合学习空间交互与时间运动模式。
• 在 ETH 和 UCY 等基准数据集上，实现比现有最先进方法更优的轨迹预测精度。

提出的方法

• 该方法构建一个稀疏有向空间图，以建模行人之间非对称且自适应的交互作用，仅让相关行人影响目标行人的轨迹。
• 学习一个稀疏有向时间图，以从短期轨迹片段中捕捉运动趋势，建模运动的方向与稳定性。
• 在稀疏图学习模块中使用自注意力机制，动态分配注意力权重给潜在的交互对象，实现自适应图结构构建。
• 将空间图与时间图的输出进行融合，以预测未来轨迹的双高斯分布，同时捕捉均值与不确定性。
• 使用可微分损失函数端到端训练模型，以最小化观测轨迹序列上的 ADE 与 FDE。
• 在 ETH 和 UCY 数据集上评估该框架，并通过消融实验验证各组件的贡献。

实验结果

研究问题

• RQ1 与密集无向模型相比，稀疏有向交互建模是否能减少冗余交互的影响？
• RQ2 在行人之间无碰撞或碰撞极少的场景中，引入运动趋势是否能提升预测准确性？
• RQ3 一种联合建模空间交互与时间运动趋势的图方法，是否能超越现有最先进方法？
• RQ4 该模型在并排行走、群体移动或路径交叉等复杂场景中的表现如何？
• RQ5 所学习的稀疏有向交互在多大程度上与真实行人动力学中的真实交互模式一致？

主要发现

• SGCN 在 ETH 和 UCY 数据集上相比最先进方法，平均位移误差（ADE）降低 9%，最终位移误差（FDE）降低 13%。
• 可视化结果表明，与 Social-STGCNN 和 SGAN 相比，SGCN 产生的预测轨迹分布重叠更少，表明其虚假碰撞预测更少。
• 该模型能准确捕捉静止行人，预测方差较低，反映出其不受他人影响，如在一名行人保持静止的场景中所示。
• 稀疏有向交互的可视化证实，SGCN 能动态识别出相关交互对象，例如在绕行场景中仅红色行人影响蓝色行人。
• 消融实验表明，采用稀疏交互的 SGCN-V2 和 SGCN-V3 优于使用密集交互的 SGCN-V4，证明了稀疏性的优势。
• 该方法在并排行走或多行人会面等复杂场景中泛化能力出色，预测轨迹与真实轨迹高度吻合。