CoCAtt：一个认知条件化的驾驶注意力数据集（补充材料）

驾驶注意力预测任务在机器人与自动驾驶汽车工业的研究人员中引起了相当大的兴趣。驾驶注意力预测可在缓解和预防碰撞、伤亡等高风险事件中发挥重要作用。然而，现有驾驶注意力预测模型忽视了驾驶员的分散注意状态与意图，而这会显著影响其观察周边环境的方式。为解决这些问题，我们提出一个新的驾驶注意力数据集 CoCAtt（认知条件化注意力，Cognitive-Conditioned Attention）。与以往驾驶注意力数据集不同，CoCAtt 包含描述驾驶员分散注意状态与意图的逐帧标注。此外，我们数据集中的注意力数据是在手动与自动驾驶两种模式下，使用不同分辨率的眼动追踪设备采集的。我们的结果表明，将上述两种驾驶员状态纳入注意力建模可提升驾驶注意力预测性能。据我们所知，本工作是首个提供自动驾驶注意力数据的。进而，CoCAtt 目前在自主等级、眼动仪分辨率与驾驶场景方面是规模最大且最具多样性的驾驶注意力数据集。CoCAtt 可于 https://cocatt-dataset.github.io 下载。