Argoverse数据集设计解析：为何每条序列只标注单个预测目标

1次阅读

没有评论

共计 1462 个字符，预计需要花费 4 分钟才能阅读完成。

在自动驾驶轨迹预测任务中，早期数据集（如 NuScenes）往往对场景中所有运动物体（agent/ 智能体）进行标注。这种全标注方式带来两个核心问题：

存储压力 ：以典型 5 秒序列为例，标注 10 个 agent 的轨迹会使存储空间增加 8 -10 倍（单个序列从约 50KB 膨胀到 400-500KB）
训练冲突 ：多目标标注会导致模型接收相互矛盾的监督信号（如两个相邻车辆分别向左 / 右变道）

Argoverse 团队在 CVPR 2019 论文中明确指出：

“For motion forecasting, we annotate only the most relevant agent per sequence”

这种设计的合理性来自三个观察：

注意力机制 ：人类驾驶员通常只重点关注 1 - 2 个最具威胁的交通参与者
计算效率 ：单目标训练可使 batch_size 提升 3 - 5 倍（NVIDIA T4 显卡实测）
收敛稳定 ：消融实验显示单目标模型在 ADE 指标上比多目标快 17% 达到收敛

以下是处理单目标标注的 PyTorch DataLoader 示例：

class ArgoverseDataset(Dataset):
    def __init__(self, split='train'):
        # 关键步骤：加载时过滤非目标 agent
        self.target_idx = annotations['track_id'] == annotations['predicted_agent']

    def __getitem__(self, idx):
        # 数据增强时保持目标一致性
        if self.augment and random.random() > 0.5:
            # 镜像翻转时要同步调整所有 agent 坐标
            agent_traj = self._horizontal_flip(agent_traj)  

        # 负样本采样策略（缓解类别不平衡）if not self.target_idx[idx] and random.random() > 0.8:  
            return self._sample_negative_case()

特别注意 ：
– 数据增强需保持场景物理合理性（如不能将右转车辆镜像为左转）
– 负样本采样比例建议控制在 15-20%（论文附录 B.3 推荐值）

当目标 agent 被其他物体遮挡超过 3 帧时：
– 方案 A：使用 LSTM 补全轨迹（适合短期遮挡）
– 方案 B：触发重新选择机制（需额外设计 fallback 逻辑）

测试集指标（如 minADE）与实际路测差异主要来自：
– 静态场景占比过高（测试集 70% vs 真实路况 30%）
– 交互复杂度被低估（标注未覆盖 ” 博弈 ” 场景）