要約
本稿では、人がさまざまな視覚的シーンを移動する際の複数の可能性のある将来の経路の分布を予測する問題に取り組む。本研究は以下の2つの主な貢献を行う。第一に、現実世界の軌跡データに基づき、リアルな3Dシミュレータで生成された新たなデータセットを提案する。このデータセットは、人間のアノテーターによる補完を通じて、異なる潜在的な目的（latent goals）に応じた経路の延長を実現しており、複数の将来経路を予測するモデルに対する定量的評価のための初のベンチマークを提供する。第二に、複数の現実的な将来経路を生成するための新規モデルを提案する。このモデルでは、マルチスケールな位置符号化（multi-scale location encodings）とグラフ上の畳み込み型RNN（convolutional RNNs over graphs）を用いた独自の構成を採用している。本モデルを「Multiverse」と呼ぶ。実験の結果、我々のモデルは提案したデータセットにおいて最高の性能を達成するとともに、将来の経路が一つしかない実世界のVIRAT/ActEVデータセットにおいても優れた結果を示した。