Прогнозирование пространства-времени динамических сцен с помощью mgg

Прогнозирование пространства-времени динамических сцен с учётом движения и группировки Гаусса.

В данной работе представлен новый подход к прогнозированию пространства-времени динамических сцен, который называется Motion-aware Gaussian Grouping (MGG). MGG предназначен для точного прогнозирования будущих траекторий нескольких объектов в сложных и динамичных средах.

Подход MGG состоит из трех основных этапов. Во-первых, признаки объектов извлекаются из последовательности входных кадров. Затем эти признаки используются для прогнозирования будущих положений каждого объекта, используя группировку Гаусса для представления неопределённости в прогнозах. Наконец, результаты прогнозирования сглаживаются во времени, чтобы уменьшить шум и улучшить общую точность.

Ключевым новшеством MGG является его способность учитывать движение при прогнозировании будущих положений объектов. Это достигается путём включения информации о скорости и направлении движения каждого объекта в процесс прогнозирования. Кроме того, MGG использует группировку Гаусса для представления неопределённости в прогнозах. Это важно, поскольку позволяет модели выражать уверенность в своих прогнозах и учитывать потенциальные источники ошибок.

Результаты экспериментов показывают, что MGG превосходит современные методы прогнозирования пространства-времени на нескольких стандартных наборах данных. Это указывает на то, что MGG является эффективным и точным подходом к прогнозированию будущих траекторий нескольких объектов в динамических сценах.