用于中央凹场景探索的主动注视控制

主动感知与中央凹视觉是人类视觉系统的基础。中央凹视觉减少了一次注视固定期间需要处理的信息量，而主动感知会将注视方向改变到视野中最具前景的部分。我们提出一种方法，以模拟具有中央凹相机的人和机器人如何探索场景，并以最少的注视转移次数识别其周围环境中的物体。我们的方法基于三个关键步骤。首先，我们采用一个现成的深度物体检测器，其在大型常规图像数据集上预训练，并将分类输出校准到中央凹图像的情形。其次，一个以身体为中心的语义地图，编码物体分类及相应不确定性，利用校准后的检测结果并考虑多种数据融合技术被顺序更新。第三，下一个最佳注视固定点基于信息论度量来确定，旨在最小化语义地图的总体期望不确定性。与随机选取下一次注视转移相比，所提方法在相同注视次数下使检测 F1-score 提高了 2-3 个百分点，并将达到相似性能所需的注视次数减少到三分之一。