基于双重注意力时空图卷积网络的行人轨迹预测

向晓倩,陈璟

Pedestrian trajectory prediction based on dual-attention spatial-temporal graph convolutional network

Xiaoqian XIANG,Jing CHEN

表 1 ETH和UCY数据集上的结果（ADE/FDE）对比表

Tab.1 Comparison of results (ADE/FDE) on ETH and UCY datasets

模型 年份 ADE/FDE ETH HOTEL UNIV ZARA1 ZARA2 平均值 PITF[16] 2019 0.73/1.65 0.30/0.59 0.60/1.27 0.38/0.81 0.31/0.68 0.46/1.00 STGAT[17] 2019 0.50/0.84 0.26/0.46 0.51/1.07 0.33/0.64 0.30/0.61 0.38/0.72 BIGAT[14] 2019 0.69/1.29 0.49/1.01 0.55/1.32 0.30/0.62 0.36/0.75 0.48/1.00 Social-STGCNN[7] 2020 0.64/1.11 0.49/0.85 0.44/0.79 0.34/0.53 0.30/0.48 0.44/0.75 PECNET[15] 2020 0.54/0.87 0.18/0.24 0.35/0.60 0.22/0.39 0.17/0.30 0.29/0.48 STAR[18] 2020 0.36/0.65 0.17/0.36 0.31/0.62 0.26/0.55 0.22/0.46 0.26/0.53 SGCN[8] 2021 0.63/1.03 0.32/0.55 0.37/0.70 0.29/0.53 0.25/0.45 0.37/0.65 AGENTFORMER[19] 2021 0.45/0.75 0.14/0.22 0.25/0.45 0.18/0.30 0.14/0.24 0.23/0.39 SIT[20] 2022 0.42/0.60 0.21/0.37 0.51/0.94 0.20/0.34 0.17/0.30 0.30/0.51 Social-STGCNN+NPSN[11] 2022 0.44/0.65 0.21/0.34 0.27/0.44 0.24/0.43 0.21/0.37 0.28/0.44 SGCN+NPSN[11] 2022 0.35/0.58 0.15/0.25 0.22/0.39 0.18/0.31 0.13/0.24 0.21/0.36 Graph-TERN[21] 2023 0.42/0.58 0.14/0.23 0.26/0.45 0.21/0.37 0.17/0.29 0.24/0.38 本研究模型 — 0.37/0.60 0.17/0.30 0.23/0.39 0.19/0.33 0.14/0.26 0.22/0.38