AgentFormer 开源项目教程
项目介绍
AgentFormer 是一个用于社会时空多智能体预测的 Transformer 模型。该项目由 Ye Yuan、Xinshuo Weng、Yanglan Ou 和 Kris Kitani 在 ICCV 2021 上提出。AgentFormer 通过联合建模时间和社交维度,能够有效地预测多个智能体的未来轨迹。该模型在行人轨迹预测和自动驾驶数据集上表现出色,显著提升了现有技术的水平。
项目快速启动
环境准备
- 操作系统:MacOS 或 Linux
- Python:>= 3.7
- PyTorch:== 1.8.0
- 依赖安装:
pip install -r requirements.txt
数据准备
ETH/UCY 数据集
项目已经包含了一个转换后的 ETH/UCY 数据集,位于 datasets/eth_ucy
目录下。
nuScenes 数据集
- 下载原始的 nuScenes 数据集。
- 按照 nuScenes 预测挑战的说明进行操作。
- 下载并安装地图扩展。
- 运行以下脚本以获取处理后的 nuScenes 数据集:
python data/process_nuscenes.py --data_root <PATH_TO_NUSCENES>
模型训练
AgentFormer 需要两阶段训练:
-
训练 AgentFormer VAE 模型(不包括轨迹采样器):
python train.py --cfg user_eth_agentformer_pre --gpu 0
-
训练 AgentFormer DLow 模型(轨迹采样器):
python train.py --cfg user_eth_agentformer --gpu 0
注意:在第二阶段训练时,需要将
pred_cfg
字段设置为第一阶段使用的配置文件,并将pred_epoch
设置为要使用的 VAE 模型 epoch。
模型评估
ETH/UCY 数据集
运行以下命令以测试 ETH 数据集的预训练模型:
python test.py --cfg eth_agentformer --gpu 0
可以使用 hotel
、univ
、zara1
、zara2
替换 eth
来测试其他数据集。
nuScenes 数据集
运行以下命令以测试 nuScenes 数据集的预训练模型:
python test.py --cfg nuscenes_5sample_agentformer --gpu 0
可以使用 10sample
替换 5sample
来计算所有指标(ADE_5、FDE_5、ADE_10、FDE_10)。
应用案例和最佳实践
行人轨迹预测
AgentFormer 在行人轨迹预测任务中表现出色,特别是在拥挤场景下。通过联合建模时间和社交维度,模型能够更好地捕捉行人的交互行为,从而提高预测的准确性。
自动驾驶
在自动驾驶领域,AgentFormer 可以用于预测周围车辆和行人的未来轨迹,帮助自动驾驶系统做出更安全的决策。通过多智能体轨迹预测,系统可以更好地规划行驶路径,避免潜在的碰撞风险。
典型生态项目
Social-LSTM
Social-LSTM 是一个早期用于行人轨迹预测的模型,通过 LSTM 网络建模行人的社交行为。AgentFormer 在其基础上进一步引入了 Transformer 架构,显著提升了预测性能。
nuScenes
nuScenes 是一个用于自动驾驶的多模态数据集,包含了丰富的传感器数据。AgentFormer 在 nuScenes 数据集上的表现证明了其在自动驾驶领域的应用潜力。
Transformer-based Object Detection
Transformer 在目标检测领域的应用也取得了显著进展,AgentFormer 借鉴了 Transformer 的架构,将其应用于多智能体轨迹预测任务,展示了 Transformer 在不同领域的广泛适用性。
通过本教程,您应该能够快速上手 AgentFormer 项目,并在实际应用中取得良好的效果。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0102AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









