FutureLift 提出双向未来图运动预测细化方法

2026年10月16日，arXiv Computer Vision 刊出论文，作者 Daniel Grimm 与 J. Marius Zöllner 提出 FutureLift 运动预测细化方法。据该报道，FutureLift 是一种与骨干网络无关的细化器，将每个多模态轨迹提案表示为异质未来图，图中空间落地的时序节点连接智能体历史、地图元素、备选模式，并在联合预测时连接其他智能体的未来轨迹；通过双向时序边，后续证据可在单次前向中修正早期片段，同时预测残差坐标与置信度修正。报道称该方法被 WACV 2027 接收用于展示，且不使用 LiDAR 或集成（ensembling）。目前进展仅限论文发布，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。