An Inter-observer consistent deep adversarial training for visual scanpath prediction

要約

ビジュアル スキャンパスは、シーンを探索する際に人間の視線が移動する一連のポイントです。
これは、視覚的注意の研究が基づいている基本的な概念を表しています。
その結果、それらを予測する能力は、近年重要な課題として浮上しています。
この論文では、軽量のディープニューラルネットワークを介したスキャンパス予測のためのオブザーバー間一貫した敵対的トレーニングアプローチを提案します。
敵対的方法は、異なるオブザーバーが横断するスキャンパスの主観的な性質に関連する分布間の一貫性を維持しながら、自然な確率現象をモデル化するのにより適した動的損失として弁別ニューラル ネットワークを採用します。
広範なテストを通じて、最先端の方法に関する当社のアプローチの競争力を示しています。

要約(オリジナル)

The visual scanpath is a sequence of points through which the human gaze moves while exploring a scene. It represents the fundamental concepts upon which visual attention research is based. As a result, the ability to predict them has emerged as an important task in recent years. In this paper, we propose an inter-observer consistent adversarial training approach for scanpath prediction through a lightweight deep neural network. The adversarial method employs a discriminative neural network as a dynamic loss that is better suited to model the natural stochastic phenomenon while maintaining consistency between the distributions related to the subjective nature of scanpaths traversed by different observers. Through extensive testing, we show the competitiveness of our approach in regard to state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google