多层循环注意模型中固定性和扫视运动的出现
计算机视觉与模式识别
2025-11-18 v2 人工智能
摘要
受视距视觉启发，硬注意力模型具有可解释性和参数经济性。然而，现有模型如Recurrent Model of Visual Attention(RAM)和Deep Recurrent Attention Model(DRAM)未能建模人类视觉系统的层次结构，导致在视觉探索动力学方面付出代价。结果是，它们倾向于产生过于固定或过度扫视的注意力，偏离人类眼动行为。在本文中，我们提出了一种Multi-Level Recurrent Attention Model(MRAM)，一种新的硬注意力框架，显式地建模了人类视觉处理的神经层次结构。通过将视线位置生成功能与任务执行功能在两个循环层中解耦，MRAM在固定和扫视运动之间产生了平衡的行为。我们的结果表明，MRAM不仅实现了更符合人类注意力动力学的行为，还在标准图像分类基准测试中持续地超过CNN、RAM和DRAM基线。
引用
@article{arxiv.2505.13191,
title = {Emergence of Fixational and Saccadic Movements in a Multi-Level Recurrent Attention Model for Vision},
author = {Pengcheng Pan and Yonekura Shogo and Yasuo Kuniyoshi},
journal= {arXiv preprint arXiv:2505.13191},
year = {2025}
}