提升 TDFN：基于重构差分的精确 fixation 点生成
计算机视觉与模式识别
2025-01-28 v1
摘要
Wang 和 Wang（2025）提出了基于 fixation 机制的任务驱动 fixation 网络（TDFN），该网络利用低分辨率信息以及fixation 点附近的高分辨率细节来完成特定视觉任务。该模型采用强化学习生成 fixation 点。然而，训练强化学习模型具有挑战，尤其是当旨在在高分辨率图像上生成像素级精确 fixation 点时。本文介绍一种改进的 fixation 点生成方法，利用重构图像与输入图像之间的差异来训练 fixation 点生成器。该方法将 fixation 点引导至重构图像与输入图像差异显著的区域。实验结果表明，该方法实现了高度准确的 fixation 点，显著提高了网络的分类准确度，并降低了实现预定义准确度所需的平均 fixation 数量。
关键词
引用
@article{arxiv.2501.15603,
title = {Advancing TDFN: Precise Fixation Point Generation Using Reconstruction Differences},
author = {Shuguang Wang and Yuanjing Wang},
journal= {arXiv preprint arXiv:2501.15603},
year = {2025}
}
备注
9 pages, 5 figures, 2 tables