Extended Field of View Analysis for VideoGAN-based Trajectory Generation
作者: Annajoyce Mariani, Kira Maag, Hanno Gottschalk
分类: cs.CV, cs.LG
发布日期: 2026-08-03
💡 一句话要点
提出基于VideoGAN的轨迹生成方法以解决交通行为复杂性问题
🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting)
关键词: 轨迹生成 生成对抗网络 交通行为建模 自动驾驶 语义表示 图形关联 多样性生成
📋 核心要点
- 现有的轨迹生成方法在捕捉复杂交通行为方面存在不足，难以适应多变的交通场景。
- 本文提出了一种基于GAN的框架，通过改进语义表示和轨迹提取方法，增强了生成的多样性和真实性。
- 实验结果显示，该方法在处理更大交通场景时，依然保持了高效性，推理时间低于20毫秒，适用于自动驾驶的预测和规划任务。
📝 摘要（中文）
现实且多样的轨迹生成对于实现更高水平的车辆自动化至关重要。传统的基于规则和经典学习的方法在捕捉交通行为的复杂性方面存在困难，而生成模型在其他领域已证明能够处理类似的复杂性。本文在先前的生成对抗网络（GAN）基础上，扩展了语义鸟瞰图交通生成的框架，改进了语义表示，采用图形关联方法替代轨迹提取过程，并系统性地研究了更大的视野范围。此外，本文引入了定量评估框架，以评估生成视频中的幻觉和物体持久性。实验表明，该框架能够推广到更大且更复杂的交通场景，同时保持统计上真实的轨迹和交通参与者之间的空间关系。
🔬 方法详解
问题定义：本文旨在解决传统轨迹生成方法在复杂交通场景下的局限性，尤其是在捕捉多样化交通行为方面的不足。现有方法往往无法有效处理动态变化的交通环境，导致生成轨迹的真实性和多样性不足。
核心思路：论文提出了一种基于生成对抗网络（GAN）的框架，通过改进语义表示和采用图形关联方法来提取轨迹，从而提升生成轨迹的质量和多样性。这样的设计使得模型能够更好地理解和模拟复杂的交通行为。
技术框架：整体架构包括数据预处理、GAN模型训练、轨迹生成和评估模块。首先，通过改进的语义表示对输入数据进行处理，然后利用GAN进行轨迹生成，最后通过定量评估框架对生成结果进行分析。
关键创新：最重要的技术创新在于引入了图形关联方法替代传统的轨迹提取过程，这一方法能够更有效地捕捉交通参与者之间的关系，提升生成结果的空间一致性和真实感。
关键设计：在模型训练过程中，采用了特定的损失函数以平衡生成质量与多样性，同时在网络结构上进行了优化，以适应更大的视野范围和复杂场景的需求。
🖼️ 关键图片
📊 实验亮点
实验结果表明，所提出的框架在处理更大且复杂的交通场景时，依然能够保持统计上真实的轨迹，推理时间低于20毫秒，且在150 GPU小时的训练后，生成的轨迹与真实交通行为之间的空间关系保持一致，显示出显著的性能提升。
🎯 应用场景
该研究的潜在应用领域包括自动驾驶系统中的轨迹预测、规划和仿真。通过生成真实且多样的交通轨迹，能够有效提升自动驾驶车辆在复杂环境中的决策能力和安全性，推动智能交通系统的发展。
📄 摘要（原文）
Realistic and diverse trajectory generation is central to enabling higher levels of vehicle automation. While rule-based and classical learning-based methods may struggle to capture the complexity of traffic behavior, generative models have already demonstrated in other fields that they can handle a comparable level of complexity. In this paper, we build upon previous work on generative adversarial network (GAN)-based semantic bird's-eye-view traffic generation and extend the proposed framework in several key aspects. We improve the semantic representation, replace the trajectory extraction procedure with a graph-based association method, and systematically investigate increasingly larger fields of view. In addition, we introduce a quantitative evaluation framework to assess hallucinations and object permanence in generated videos. Our experiments demonstrate that the framework generalizes to larger and more complex traffic scenes while maintaining statistically realistic trajectories and coherent spatial relationships between traffic participants. Within 150GPU hours of training and with inference times below 20ms for scenes of up to 20s, our results demonstrate that video-based GANs remain an efficient and scalable approach for realistic trajectory generation, even in substantially larger traffic scenes, making them well suited for downstream tasks such as prediction, planning, and simulation in automated driving.