few-shot 个性化扫描路径预测
计算机视觉与模式识别
2025-04-09 v1
摘要
个性化扫描路径预测模型提供了对个体注意模式和偏好的洞察。然而，现有的扫描路径预测模型训练方法数据需求高，无法针对仅少量示例即可为新个体进行有效个性化。在本文中，我们提出了few-shot 个性化扫描路径预测任务（FS-PSP），并提出了一种新方法来解决该任务，旨在利用该个体扫描路径行为的最小支持数据，为不可见个体预测扫描路径。我们方法的可适应性关键在于Subject-Embedding Network（SE-Net），该网络专为捕获每个个体扫描路径的独特、个性化表示而设计。SE-Net生成的主体嵌入能够有效区分不同主体，同时最小化来自同一个体的扫描路径之间的变异性。然后，对这些主体嵌入进行条件化，以产生准确的个性化结果。在多个眼动数据集上的实验表明，我们的方法在FS-PSP设置下表现出色，且在测试时无需进行任何微调步骤。代码已公开：https://github.com/cvlab-stonybrook/few-shot-scanpath
关键词
引用
@article{arxiv.2504.05499,
title = {Few-shot Personalized Scanpath Prediction},
author = {Ruoyu Xue and Jingyi Xu and Sounak Mondal and Hieu Le and Gregory Zelinsky and Minh Hoai and Dimitris Samaras},
journal= {arXiv preprint arXiv:2504.05499},
year = {2025}
}
备注
Accepted by CVPR 2025,20 pages, 10 figures