年轻自闭儿童的凝视目标检测

通过人工智能自动检测自闭儿童的凝视目标具有重要意义，尤其对于缺乏足够专业人士帮助以提升生活质量的儿童。本文提出一种新的面向实际场景的人工智能应用，用于检测自闭儿童的凝视目标，预测儿童注视活动图像中的点。该任务是构建自动化系统的基础，这些系统可测量儿童的共同注意——自闭综合征（ASD）中的核心挑战。为促进该具有挑战性的应用研究，我们收集了首个自闭凝视目标（Autism Gaze Target, AGT）数据集。我们进一步提出一种新颖的社交感知粗到细（Socially Aware Coarse-to-Fine, SACF）凝视检测框架，显式地利用场景的社交背景，以克服自闭数据集中常见的类别不平衡——这是源于自闭儿童倾向于对面部显示减少凝视的现象。该框架采用两路径架构，包含专门用于社交和非社交凝视的专家模型，由情境感知门控模块引导。我们进行了全面实验，结果表明该框架在该人群中实现了凝视目标检测的新型态，显著优于现有方法，尤其在面部导向凝视这一关键少数类上表现突出。