我们使用以下6个分类标准对本文的研究选题进行分析：
1. 扩散模型类型:
- 标准扩散模型
- 蛙跳扩散模型 (LED)
- 其他扩散模型变体
2. 预测类型:
- 确定性 vs. 随机性
- 个体 vs. 群体
3. 数据模态:
- 单变量 (仅位置数据)
- 多模态 (结合视频、激光雷达等附加数据)
4. 推理速度:
- 实时 vs. 非实时
- 推理速度比较 (例如，LED 与标准扩散模型)
5. 预测性能:
- 使用的指标 (例如，ADE、FDE)
- 跨模型和数据集的性能比较
6. 应用领域:
- 行人轨迹预测
- 车辆轨迹预测
- 运动员轨迹预测 (例如，NBA/NFL)
- 其他
对以上6 个分类标准的详细解释：
1. 扩散模型类型:
该标准区分了轨迹预测中使用的不同扩散模型架构。
- 标准扩散模型: 这是基线模型，遵循传统的扩散过程，即逐渐向目标分布添加噪声，然后逆转过程将其“去噪”为所需数据 (在本例中为未来轨迹)。由于大量的去噪步骤，它可能在计算上很昂贵。
- 蛙跳扩散模型 (LED): 这是摘要中提出的模型，它利用可训练的“蛙跳初始化器”直接学习未来轨迹的表达性多模态分布。这跳过了许多去噪步骤，
