il y a 11 jours
TENET : Réseau d'Encodage Transformer pour un Écoulement Temporel Efficace dans la Prédiction du Mouvement
Yuting Wang, Hangning Zhou, Zhigang Zhang, Chen Feng, Huadong Lin, Chaofei Gao, Yizhi Tang, Zhenting Zhao, Shiyu Zhang, Jie Guo, Xuefeng Wang, Ziyao Xu, Chi Zhang
Résumé
Ce rapport technique présente une méthode efficace de prédiction du mouvement dans le cadre de la conduite autonome. Nous avons développé une approche fondée sur le Transformer pour le codage des entrées et la prédiction des trajectoires. Par ailleurs, nous proposons une architecture appelée Temporal Flow Header afin d’améliorer le codage des trajectoires. Enfin, une méthode d’ensemble K-means efficace est mise en œuvre. Grâce à notre réseau Transformer et à cette méthode d’ensemble, nous obtenons la première place au concours Argoverse 2 Motion Forecasting Challenge, avec un score brier-minFDE de pointe de 1,90.