[Trajectory Prediction] M2I: From Factored Marginal Trajectory Prediction to Interactive Prediction 논문 리뷰

# Title

M2I: From Factored Marginal Trajectory Prediction to Interactive Prediction (CVPR, 22) [code]

• 현시간 기준 Waymo Motion Prediction Dataset SOTA 이다.

---

# Motivation

• Reasonable한 경로 예측을 위해 scene compliant trajectory를 예측하는 것은 중요하고, 이를 위해서는 Multiple agent를 동시에 고려해야함
• 하지만 이를 위해 Joint predictor를 이용하면 agent 수가 늘어남에 따라 prediction space가 기하 급수적으로 커지는 문제가 발생하며, 이 때 colliding 하는 것들을 pruning 하면 interaction이 무시되는 상황이 발생. 따라서 이를 효율적으로 해결하려고 함.

 

---

 

# Methodology : “Factorization”

• 가정 : Agent를 influencer와 reactor로 나누고 이들은 pre-label 됨
• Idea : Marginal predictor는 influencer의 경로를 예측하고, 그 이후에 conditional predictor는 앞에서 생성된 influencer의 경로를 조건으로 받아 reactor의 경로를 예측marginal / conditional distribution factorization

---

Overall architecture

• Context Encoder
  • Vectorized representation : VectorNet (관측 경로와 lane segments를 polyline으로 본 후, MLP로 feature vector를 인코딩 하고 GNN으로 dependencies를 인코딩. 그리고 cross attention으로 map과 agent의 final agent feature를 얻음)
  • Rasterized representation : HOME (Input state를 60 channel의 하나의 이미지로 나타낸 후, pretrained VGG16으로 인코딩)
• Prediction head
  • Relation, Marginal Trajectory, Conditional Trajectory prediction head로 구성
  • DenseTNT(ICCV,21) 의 구조

---

 

# Performance

•