2달 전
Social GAN: Generative Adversarial Networks을 이용한 사회적으로 용인되는 궤적 생성
Agrim Gupta; Justin Johnson; Li Fei-Fei; Silvio Savarese; Alexandre Alahi

초록
인간의 움직임 행동을 이해하는 것은 자율 이동 플랫폼(예: 자율 주행 차량 및 사회 로봇)이 인간 중심 환경에서 안전하게 이동하기 위해서는 필수적입니다. 이는 인간의 움직임이 본질적으로 다중 모드(multimodal)이기 때문에 어려움을 동반합니다: 과거의 인간 움직임 경로가 주어지면, 미래에 사람들이 어떻게 움직일 수 있는지 여러 가지 사회적으로 타당한 방식이 존재합니다. 우리는 시퀀스 예측과 생성적 적대 네트워크(generative adversarial networks)의 도구를 결합하여 이 문제를 해결합니다: 순환 시퀀스-시퀀스 모델은 움직임 역사들을 관찰하고 미래 행동을 예측하며, 새로운 풀링 메커니즘을 사용하여 사람 간 정보를 집계합니다. 우리는 반복적인 판별자(discriminator)와 적대적으로 학습하여 사회적으로 타당한 미래를 예측하고, 새로운 다양성 손실(variety loss)을 통해 다양한 예측을 장려합니다. 여러 데이터셋에 대한 실험을 통해 우리의 접근법이 정확도, 다양성, 충돌 회피, 계산 복잡도 측면에서 기존 연구보다 우수함을 입증하였습니다.