CUEING：一种用于捕捉驾驶中人类注意力的轻量级模型
计算机视觉与模式识别
2023-10-16 v2
摘要
自动驾驶系统（ADS）与人类驾驶员在决策上的差异，凸显了直观的人类注视预测器以弥合这一差距的必要性，从而改善用户信任与体验。现有注视数据集虽有价值，却受噪声干扰，阻碍有效训练。此外，当前注视预测模型在不同场景下表现不一致，且需要大量计算资源，限制了其在自动驾驶车辆上的车载部署。我们提出一种新颖的自适应清洗技术以清除现有注视数据集中的噪声，并辅以一个鲁棒、轻量级的卷积自注意力注视预测模型。我们的方法不仅将模型泛化性与性能提升高达12.13%，还相较最先进水平实现了高达98.2%的模型复杂度显著降低，使车载部署能够增强ADS决策可视化与性能成为可能。
引用
@article{arxiv.2305.15710,
title = {CUEING: a lightweight model to Capture hUman attEntion In driviNG},
author = {Linfeng Liang and Yao Deng and Yang Zhang and Jianchao Lu and Chen Wang and Quanzheng Sheng and Xi Zheng},
journal= {arXiv preprint arXiv:2305.15710},
year = {2023}
}