文章预览
来源：专知 本文 为论文介绍 ，建议阅读 5 分钟 为了应对这些挑战，我们引入了最优高斯扩散（OGD）和估计清洁流形（ECM）引导。 扩散模型在自动驾驶的联合轨迹预测和可控生成方面展现出了潜力，但它们面临着推理步骤效率低下和计算需求高的挑战。为了应对这些挑战，我们引入了最优高斯扩散（OGD）和估计清洁流形（ECM）引导。OGD优化了小扩散时间T的先验分布，并从此开始逆向扩散过程。ECM直接向估计的清洁流形注入引导梯度，消除了整个网络中广泛的梯度反向传播。我们的方法简化了生成过程，使实际应用能够减少计算开销。在大规模的Argoverse 2数据集上进行的实验验证表明，我们的方法性能卓越，为自动驾驶的计算效率高、质量高的联合轨迹预测和可控生成提供了一个可行的解决方案。我们的项目网页位于 https://yixiaowang7.github.io/OptTrajDif
………………………………
