没有合适的资源?快使用搜索试试~ 我知道了~
Multimodal-Future-Prediction:CVPR 2019 论文“克服混合密度网络的局限性”的官方存储库
共32个文件
py:17个
h:6个
gif:1个
需积分: 10 0 下载量 21 浏览量
2021-05-29
20:11:15
上传
评论
收藏 22.1MB ZIP 举报
温馨提示
这个仓库对应CVPR 2019论文的官方源码: 要获得有关该方法及其结果的概述,我们强烈建议您查看我们的海报和的短视频 要求 Tensorflow-GPU 1.14。 opencv-python、sklearn、matplotlib、枕头(通过 pip)。 设置 我们使用来自 WEMD[1] 的源代码来计算我们的 SEMD 评估指标。 解压 /wemd 下的 blitz++.zip。 光盘构建 .. 制作 编译后,你应该在/wemd/lib 下得到一个库,它链接在wemd.py 中。 数据 为了在论文中重现我们的结果,我们提供了我们论文中使用的来自 SDD [2] 的处理过的测试样本。 请从下载它们 解压datasets.zip后,你会得到一组代表测试场景的文件夹。 对于每个场景,您都有以下结构: imgs:包含场景的图像。 浮点数:对于每个图像,我们存储 -features.
资源推荐
资源详情
资源评论
收起资源包目录
Multimodal-Future-Prediction-master.zip (32个子文件)
Multimodal-Future-Prediction-master
parse_annotation.py 7KB
utils_np.py 10KB
LICENSE 20KB
logo-header.png 5KB
README.md 5KB
config.py 153B
VERSION 27B
net.py 8KB
demo.gif 20.72MB
wemd.py 1013B
test.py 3KB
extract_frames.py 842B
utils_tf.py 11KB
wemd
sparse.h 5KB
lift.h 9KB
wemd_impl.cpp 2KB
lift_impl.h 22KB
blitz_util_SS.h 10KB
lifting-schemes.h 10KB
blitz++.zip 1.35MB
wemd_impl.h 5KB
CMakeLists.txt 499B
dataset_loader.py 2KB
emd_cpi.py 2KB
.gitattributes 96B
CPI
utils.py 6KB
Pedestrian.py 13KB
Environment.py 6KB
CPI-test.py 3KB
Vehicle.py 9KB
CPI-train.py 3KB
encoder.py 4KB
共 32 条
- 1
资源评论
量子学园
- 粉丝: 22
- 资源: 4734
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功