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

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.