MAAD：一种用于驾驶中“注意意识”的模型与数据集

我们提出一种计算模型来估计一个人对其环境的注意意识。我们将注意意识定义为一个人近期历史中已注意到的、且仍可能保持物理感知的潜在动态场景的部分。我们的模型以视频形式的场景信息和含噪声的注视估计作为输入，输出视觉显著性、精炼的注视估计以及该人注意意识的估计。为了测试我们的模型，我们采集了一个带有高精度注视追踪器的新数据集，包含来自23名受试者的24.5小时注视序列，受试者观看驾驶场景视频。该数据集还包含基于对其扫描路径观察的第三方受试者注意意识标注。我们的结果表明，我们的模型在受控环境下能够合理地估计注意意识，未来有可能扩展至真实的以自我为中心的驾驶数据，以帮助在安全系统中实现更有效的提前预警，从而增强驾驶员表现。我们还利用我们的数据集和一个已有的显著性数据集，展示了我们的模型在显著性、注视校准和去噪任务上的有效性。我们在 https://github.com/ToyotaResearchInstitute/att-aware/ 上公开了我们的模型和数据集。