时空 graph transformer

时空图Transformer (Graph Transformer)是一种基于自注意力机制的新型预测框架，用于准确预测人群轨迹。它利用Transformers来学习时间、空间和时空注意力的关系，提供了一种简洁有效的解决方案。具体地，时空图Transformer使用了空间图Transformer和时间图Transformer来捕捉人与人之间的交互，并通过在空间Transformer和时间Transformer之间进行交错来提取行人之间的时空交互。另外，时空图Transformer还引入了TGConv，一种基于Transformer的图卷积机制，用于改进基于注意力的图卷积，从而能够更好地捕捉更复杂的社交互动。此外，为了处理时间序列数据建模时的问题，时空图Transformer还引入了一个可读写图形内存模块，用于在预测期间对嵌入执行平滑操作。总体而言，时空图Transformer是一种简单而有效的策略，用于预测人群轨迹并建模行人之间的时空交互关系。 [2 [3<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [【ECCV2020】Spatio-Temporal Graph Transformer Networks for Pedestrian Trajectory Prediction](https://blog.csdn.net/zn0412/article/details/120829830)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [论文阅读笔记7——TransMOT: Spatial-Temporal Graph Transformer for MOT](https://blog.csdn.net/wjpwjpwjp0831/article/details/121359323)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]