新的概率模型GARFIELD以增强的速度预测场景演变

研究人员开发了GARFIELD（Goal-Aware Representations of Future kInEmatic Latent Distributions），这是一种新颖的概率模型，旨在从部分观测中预测场景的演变。与生成以外观为主的视频或采样有限轨迹的现有方法不同，GARFIELD学习了潜在运动分布的结构化潜在表示。这使得所有轨迹的联合采样效率更高，并且可以直接访问运动分布，从而实现局部不确定性细化和交互式规划。实验表明，GARFIELD在运动规划性能上与大型视频生成模型相当，同时在轨迹采样和密度估计方面速度显著更快。 AI

影响 通过准确模拟场景演变不确定性，实现更高效和交互式的运动规划。

排序理由 该项目是一篇学术论文，详细介绍了一种新的场景运动学概率模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• DagsHub
• GARFIELD
• Gotit.pub
• Hugging Face
• Influence Flower
• Litmaps
• Schrödinger's cat
• ScienceCast
• scite Smart Citations

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →