MEDIRL：基于最大熵深度逆强化学习预测驾驶员视觉注意
计算机视觉与模式识别
2021-10-07 v4 人机交互
机器学习
机器人学
摘要
受人类视觉注意的启发，我们提出了一种新颖的逆强化学习公式，使用最大熵深度逆强化学习（MEDIRL）来预测事故易发情形下驾驶员的视觉注意。MEDIRL通过从专注驾驶员记录的眼动注视模式中学习任务敏感的奖励函数，预测导致最大奖励的注视位置。此外，我们引入了EyeCar，一个用于事故易发情形的新驾驶员注意数据集。我们进行了全面的实验，在三个常用基准（DR(eye)VE、BDD-A、DADA-2000）以及我们的EyeCar数据集上评估所提出的模型。结果表明，MEDIRL在预测注意方面优于现有模型并达到了最先进的性能。我们给出了广泛的消融研究，以对我们所提模型的不同特征提供更多见解。
引用
@article{arxiv.1912.07773,
title = {MEDIRL: Predicting the Visual Attention of Drivers via Maximum Entropy Deep Inverse Reinforcement Learning},
author = {Sonia Baee and Erfan Pakdamanian and Inki Kim and Lu Feng and Vicente Ordonez and Laura Barnes},
journal= {arXiv preprint arXiv:1912.07773},
year = {2021}
}
备注
Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2021