CV君 2025-10-09 14:47 江苏
双扩散模型回溯历史、预测未来，一举攻克“鬼探头”式轨迹预测难题。
朋友们，今天我们来聊一篇非常有意思的论文，来自威斯康星大学麦迪逊分校、华盛顿大学和同济大学的研究者们，题为《Diffusion²: Dual Diffusion Model with Uncertainty-Aware Adaptive Noise for Momentary Trajectory Prediction》。
这篇工作主要解决了一个在自动驾驶和人机交互领域里非常棘手，也至关重要的问题：当观测数据极少时，如何准确预测行人的轨迹？ 想象一下，一个行人突然从公交车后面走出来，自动驾驶系统只有一瞬间的观测数据，这种“鬼探头”情景下的预测，直接关系到交通安全。
作者们提出的新框架 Diffusion²，巧妙地利用了两个串联的扩散模型，不仅回溯生成了缺失的历史轨迹，还对其中的不确定性进行了建模，最终在几个主流数据集上实现了目前最好的性能（SOTA）。这个名字也很有意思，Diffusion² 就代表了其核心——双重扩散模型。
在真实的交通环境中，我们很难保证总能获得长时间、高质量的观测数据。尤其是在行人被遮挡后突然出现的情况下，可用的轨迹信息可能只有短短几帧。传统的轨迹预测方法在这种“瞬时轨迹”（momentary trajectory）场景下，性能会大打折扣。
论文中对比了解决该问题的几种思路：
（a）直接利用有限的观测进行预测，效果不佳。（b）联合预测历史和未来，但可能会相互干扰。（c）本文提出的Diffusion²，采用串联方式，先“回溯过去”，再“预测未来”，思路更加清晰。
Diffusion²：双扩散模型如何“追根溯源”？CV君认为，这篇论文最大的亮点在于它如何“创造性”地处理信息不足的问题。既然眼前的线索不够，那就先“脑补”一下缺失的历史，并且清醒地认识到“脑补”的内容有多大把握。
整个框架如下图所示，主要由两个核心部分组成：
第一个扩散模型 负责“回溯历史”。它接收短暂观测到的轨迹 ，然后生成一段未被观测到的、合理的历史轨迹 。这就像侦探根据现场的蛛丝马迹，推断出受害者之前的行动路线。
2. 未来轨迹预测 (Forward Prediction)第二个扩散模型 则负责“预测未来”。它的输入不仅包括真实观测到的几帧，还包括上一步生成的历史轨迹。结合了更完整的“过去”，模型对“未来”的预测自然更有底气。
3. 不确定性感知与自适应噪声这里就是精髓所在了。模型非常“诚实”，它知道自己生成的那段历史轨迹（）不一定完全准确，是存在不确定性的。如果盲目信任这些“脑补”的信息，反而可能带偏最终的预测。
Diffusion²用了两个很妙的设计来解决这个问题：
双头参数化机制 (Dual-head Parameterization): 在生成历史轨迹时，不止一个输出头。一个头负责预测轨迹点的位置，另一个头则负责预测这些位置的“偶然不确定性”（aleatoric uncertainty），也就是一个方差。这相当于模型在说：“我猜他之前在这里，但我对这个点的把握只有七成。”时序自适应噪声 (Temporally Adaptive Noise): 这个不确定性信息会被传递给第二个模型 。 会根据历史轨迹中每个点的不确定性程度，动态地调整前向扩散过程中的噪声尺度。简单来说，如果某段生成历史的“可信度”低，模型在预测未来时就会减少对它的依赖，从而避免了误差的累积和放大。整个去噪过程，就像从一团迷雾中逐渐勾勒出清晰的路径，充满了“生成之美”。
理论说得好，还得看疗效。论文在两个主流的行人轨迹预测数据集 ETH/UCY 和 Stanford Drone 上进行了验证。
定量分析结果显示，Diffusion² 在瞬时轨迹预测任务上，将平均位移误差（ADE）和最终位移误差（FDE）都刷到了新的SOTA水平，显著优于之前的方法。
同时，其推理延迟也处于一个可接受的范围，证明了方法的实用性。
从可视化的结果来看，Diffusion² 生成的轨迹（蓝色和橙色虚线）也比之前的方法（品红色虚线）更贴近真实的轨迹（浅蓝色实线）。
下面这张图展示了更多在不同场景下的预测结果，可以看到模型能够生成多样且合理的未来轨迹。
当然，没有完美的模型。作者也很坦诚地展示了一些失败案例，比如在行人轨迹发生剧烈、非典型转弯时，模型的预测就会出现偏差。
为了验证每个模块的有效性，作者还进行了消融研究。结果表明，无论是“回溯历史”这一步，还是“不确定性估计”和“自适应噪声”模块，都对最终的性能有关键贡献。
总的来说，Diffusion² 通过一个巧妙的双阶段扩散框架，并显式地对生成信息的不确定性进行建模和利用，为解决极端场景下的轨迹预测问题提供了一个非常漂亮、有效的思路。
大家对这种“预测过去”来辅助“预测未来”的思路怎么看？欢迎在评论区留下你的看法！
