English(EN) Heteroscedastic Diffusion for Multi-Agent Trajectory Modeling

扩散模型 U2Diffine 通过不确定性估计增强轨迹补全能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-11 15:26

研究人员开发了 U2Diffine，这是一种能够完成和预测多智能体轨迹的新型扩散模型，并提供状态不确定性估计。该方法通过预测噪声的负对数似然来增强标准的去噪损失，从而将不确定性传播到实际状态空间。此外，还集成了秩神经网络 (RankNN) 来估计每个生成轨迹的误差概率，在四个体育数据集上的表现优于现有解决方案。 AI

影响引入了一种具有不确定性估计的轨迹补全和预测新方法，有望改进体育分析和数据校正中的应用。

排序理由发布关于新型 AI 模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Antonio Agudo · 2026-05-11 15:26

异方差扩散用于多智能体轨迹建模

Multi-agent trajectory modeling traditionally focuses on forecasting, often neglecting more general tasks like trajectory completion, which is essential for real-world applications such as correcting tracking data. Existing methods also generally predict agents' states without of…

报道来源 [1]

异方差扩散用于多智能体轨迹建模

相关话题