计算模型能从人类选择性注意中学到什么？一个从视听跨模态视角的综述
计算机视觉与模式识别
2019-09-13 v1 机器学习
摘要
选择性注意在从环境中获取与利用信息方面起着至关重要的作用。过去 50 年中，选择性注意研究一直是认知科学的核心课题。与单模态研究相比，跨模态研究更为复杂，但对于解决人类实验与计算建模中的现实挑战是必要的。尽管越来越多关于跨模态选择性注意的发现已揭示了人类的行为模式与神经基础，仍亟需更好的理解以期为计算智能体带来同等益处。本文从心理学与认知神经科学的多学科视角综述了单模态视觉、听觉及跨模态视听设置下的选择性注意研究，并评估了在计算模型与机器人中模拟类似机制的不同方式。我们在此跨学科综述中讨论了这些领域间的鸿沟，并从不同视角提供了如何在人工智能中运用心理学发现与理论的见解。
引用
@article{arxiv.1909.05654,
title = {What can computational models learn from human selective attention? A review from an audiovisual crossmodal perspective},
author = {Di Fu and Cornelius Weber and Guochun Yang and Matthias Kerzel and Weizhi Nan and Pablo Barros and Haiyan Wu and Xun Liu and Stefan Wermter},
journal= {arXiv preprint arXiv:1909.05654},
year = {2019}
}
备注
29pages, 5 figures, 1 table, journal article