社交GAN swMATH编号： 39577 软件作者： 阿格里姆·古普塔、贾斯汀·约翰逊、李菲菲、西尔维奥·萨瓦雷斯、亚历山大·阿拉希 描述： 社交GAN：具有生成性对抗网络的社会可接受轨迹。如果要在以人为中心的环境中导航，了解人体运动行为对于自动移动平台（如自动驾驶汽车和社交机器人）至关重要。这是一个挑战，因为人类的运动本质上是多模态的：考虑到人类运动路径的历史，人类未来可能会以许多社会合理的方式运动。我们通过结合序列预测和生成性对抗网络的工具来解决这个问题：一个循环序列到序列模型观察运动历史并预测未来行为，使用一种新的池机制来聚合跨人群的信息。我们通过对抗反复出现的鉴别器进行训练来预测社会似是而非的未来，并通过新的多样性损失来鼓励不同的预测。通过对多个数据集的实验，我们证明了我们的方法在准确性、多样性、避免碰撞和计算复杂性方面优于先前的工作。 主页： https://arxiv.org/abs/1803.10892 源代码： https://github.com/agrimgupta92/sgan 依赖项： 蟒蛇 相关软件： epimdr公司;epimdr2;达奇;ElemStatLearn（电子状态学习）;Scikit公司;TempoGAN公司;TensorFlow公司;DiffSharp（差异锐化）;凯拉斯;PMTK公司;个人实验室;视频播放器;比根;单深度;更快的R-CNN;密度（DensePose）;MultiPoseNet（MultiPoseNet）;RMPE公司;加深切割;ImageNet公司 引用于： 1文件 4位作者引用 1 希尼，克莱尔·E·。 1 李亚奇 1 克里斯托弗·佩恩（Christopher C.Pain）。 1 Vinicius L.S.席尔瓦。 连载1篇 1 科学计算杂志 在2个字段中引用 1 计算机科学（68至XX） 1 生物学和其他自然科学（92-XX） 按年份列出的引文