SceneSelect

SceneSelect 引入选择性学习用于轨迹预测，准确率提升 10.5%

研究人员推出 SceneSelect，这是一种新颖的以场景为中心的轨迹预测范式，解决了传统以模型为中心方法的局限性。这种新方法分析场景特征，将输入动态路由到专门的专家模型，从而提高准确性并减少计算浪费。SceneSelect 利用无监督聚类来对场景进行分类，并使用分类模块来分配输入，从而可以灵活地与现有模型集成，并在无需大量重新训练的情况下适应新数据集。实验表明，SceneSelect 在多个基准测试中的平均性能优于现有方法 10.5%。