FBLNet：用于驾驶员注意力预测的反馈环网络

从驾驶视角预测驾驶员注意力的问题因其对自动驾驶与辅助驾驶系统的显著意义而获得日益增长的研究关注。驾驶经验对安全驾驶极为重要，熟练驾驶员能够基于驾驶经验轻松预测即将发生的危险（在其变得显著之前）并迅速关注相应区域。然而，非客观驾驶经验难以建模，因此现有方法缺乏模拟驾驶员经验积累过程的机制，且当前方法通常沿显著性预测方法的技术路线来预测驾驶员注意力。本文提出一种反馈环网络（FBLNet），试图对驾驶经验积累过程建模。通过反复迭代，FBLNet 生成携带丰富历史累积与长时程时间信息的增量知识。我们模型中的增量知识类似于人类的驾驶经验。在增量知识引导下，我们的模型融合从输入图像提取的 CNN 特征与 Transformer 特征以预测驾驶员注意力。我们的模型相较现有方法展现坚实优势，在两个驾驶员注意力基准数据集上取得卓越性能提升。