DGCPath

新的DGCPath框架增强了自监督路径表示学习

研究人员推出了一种新颖的自监督路径表示学习框架DGCPath，旨在提高跨不同场景的泛化能力。该方法结合了生成建模和分布对比学习，利用基于扩散的生成器创建多样化的轨迹视图，并使用变分对比机制进行分布级特征对齐。该框架还包括一个生成式交叉监督模块，通过重建学习来增强视图级一致性。在真实轨迹数据集上的评估表明，DGCPath在下游任务上的表现优于现有方法。