CoCAtt: A Cognitive-Conditioned Driver Attention Dataset (Supplementary Material)

要約

ドライバーの注意を予測するタスクは、ロボット工学や自動運転車業界の研究者の間でかなりの関心を集めています。
ドライバーの注意の予測は、衝突や死傷者などのリスクの高いイベントを軽減および防止する上で重要な役割を果たすことができます。
ただし、既存のドライバー注意予測モデルは、ドライバーの注意散漫状態と意図を無視しているため、周囲の観察方法に大きな影響を与える可能性があります。
これらの問題に対処するために、新しいドライバー注意データセットであるCoCAtt(Cognitive-Conditioned Attention)を紹介します。
以前のドライバー注意データセットとは異なり、CoCAttには、ドライバーの注意散漫状態と意図を説明するフレームごとの注釈が含まれています。
さらに、データセット内の注意データは、さまざまな解像度の視線追跡デバイスを使用して、手動モードと自動操縦モードの両方でキャプチャされます。
私たちの結果は、上記の2つのドライバー状態を注意モデリングに組み込むと、ドライバーの注意予測のパフォーマンスを向上できることを示しています。
私たちの知る限り、この作業は自動操縦の注意データを提供する最初の作業です。
さらに、CoCAttは現在、自律レベル、アイトラッカーの解像度、および運転シナリオの点で、最大かつ最も多様なドライバー注意データセットです。
CoCAttは、https://cocatt-dataset.github.ioからダウンロードできます。

要約(オリジナル)

The task of driver attention prediction has drawn considerable interest among researchers in robotics and the autonomous vehicle industry. Driver attention prediction can play an instrumental role in mitigating and preventing high-risk events, like collisions and casualties. However, existing driver attention prediction models neglect the distraction state and intention of the driver, which can significantly influence how they observe their surroundings. To address these issues, we present a new driver attention dataset, CoCAtt (Cognitive-Conditioned Attention). Unlike previous driver attention datasets, CoCAtt includes per-frame annotations that describe the distraction state and intention of the driver. In addition, the attention data in our dataset is captured in both manual and autopilot modes using eye-tracking devices of different resolutions. Our results demonstrate that incorporating the above two driver states into attention modeling can improve the performance of driver attention prediction. To the best of our knowledge, this work is the first to provide autopilot attention data. Furthermore, CoCAtt is currently the largest and the most diverse driver attention dataset in terms of autonomy levels, eye tracker resolutions, and driving scenarios. CoCAtt is available for download at https://cocatt-dataset.github.io.

arxiv情報

著者 Yuan Shen,Niviru Wijayaratne,Pranav Sriram,Aamir Hasan,Peter Du,Katherine Driggs-Campbell
発行日 2022-07-08 17:35:17+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV パーマリンク