Key points are not available for this paper at this time.
في هذه الورقة، نقترح GOHOME، وهي طريقة تستفيد من تمثيلات الرسم البياني لخريطة عالية الدقة والإسقاطات النادرة لتوليد مخرجات خريطة حرارة تمثل توزيع احتمالات الموقع المستقبلي لوكيل معين في مشهد مروري. هذه المخرجات من خريطة الحرارة توفر تمثيلًا غير مقيد لشبكة 2D لمواقع الوكيل المستقبلية الممكنة، مما يسمح بالتعددية الفطرية وقياس عدم اليقين في التوقع. نموذجنا الموجه نحو الرسم البياني يتجنب العبء الحسابي الكبير المتمثل في تمثيل السياق المحيط كصور مربعة ومعالجته باستخدام الشبكات العصبية التلافيفية التقليدية، ولكن يركز بدلاً من ذلك فقط على المسارات الأكثر احتمالية التي يمكن أن ينتهي بها الوكيل في المستقبل القريب. وصل GOHOME إلى المركز الثاني في معيار توقع حركة Argoverse على مقياس Misskate 6، مع تحقيق زيادة كبيرة في السرعة وتقليل العبء الأساسي مقارنة بطريقة HOME التي احتلت المركز الأول في Argoverse. نحن أيضًا نبرز أن مخرجات خريطة الحرارة تمكن من التجميع متعدد النماذج وتحسين حاصل MissRate 6 بالمركز الأول بأكثر من 15% مع أفضل تجميع لدينا في Argoverse. أخيرًا، نقيم ونصل إلى أداء على مستوى العالم في مجموعات بيانات توقع المسار الأخرى nuScenes وInteraction، مما يوضح القابلية للتعميم لطريقتنا.
درس جيليس وآخرون (Mon,) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: