《表3 各种轨迹预测模型在ADE上的结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《复杂场景下行人轨迹预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文使用平均位移误差ADE(Average Displacement Error）以及最终位移误差FDE(Final Displacement Error）来评估所有模型。评估任务为对超过8 s的视频帧，使用过去8个位置组成的前3.2 s作为输入，并预测最后4.8 s的剩余12个未来位置。对于ETH和UCY数据集，通过执行留一法交叉验证来进行评估，在4个场景上得到训练参数，并在剩下的一个场景进行测试。得到的对比数据如表3及表4所示。