一种用于扫描路径预测的贝叶斯深度学习概率时变方法
计算机视觉与模式识别
2022-04-21 v1 人机交互
机器学习
摘要
人类视觉注意是一个复杂的现象，已被研究数十年。其中，扫描路径预测这一特定问题尤其具有挑战性，特别是由于观察者间与观察者内的变异性等原因。此外，大多数现有的扫描路径预测方法都侧重于在给定先前注视点的情况下优化下一注视点的预测。在本工作中，我们提出一种基于贝叶斯深度学习的概率时变扫描路径预测方法。我们使用一种新颖的基于 Kullback-Leibler 散度与动态时间规整相结合的时空损失函数来优化模型，联合考虑扫描路径的空间与时间维度。我们的扫描路径预测框架所得结果优于当前 SOTA 方法，且几乎与人类基线持平，表明我们的模型能够生成行为与实际扫描路径极为相似的扫描路径。
引用
@article{arxiv.2204.09404,
title = {A Probabilistic Time-Evolving Approach to Scanpath Prediction},
author = {Daniel Martin and Diego Gutierrez and Belen Masia},
journal= {arXiv preprint arXiv:2204.09404},
year = {2022}
}
备注
Under submission