面向注意力驱动检测的辅助知识融合

注意力驾驶是全球交通事故的主要原因之一。识别注意力驾驶涉及可靠地检测和分类各种形式的注意力分心（例如发短信、吃东西或使用车内设备），以增强道路安全。由于需要能够在不要求大量标注数据集的情况下对各种驾驶行为进行泛化，因此这一任务具有挑战性。本文提出了KiD3方法，用于注意力驾驶检测（DDD），通过融合场景中实体之间的语义关系以及驾驶姿态的结构配置来引入辅助知识。具体而言，我们构建了一个统一框架，将场景图和驾驶姿态信息与视频帧中的视觉线索相结合，以创建对驾驶行为的整体表示。我们的实验结果表明，KiD3在将此类辅助知识与视觉信息相结合后，相较于仅依赖视觉的基线方法实现了13.64%的准确率提升。