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

要約

視覚的なスキャンパスは、シーンを探索するときに人間の視線が通過する一連の点です。
これは、視覚的注意研究の基礎となる基本的な概念を表しています。
その結果、近年ではそれらを予測する能力が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 ネットワークによるスキャンパス予測のための、観察者間で一貫した敵対的トレーニング アプローチを提案します。
敵対的手法では、異なる観察者が通過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、自然の確率現象をモデル化するのに適した動的損失として識別ニューラル ネットワークを使用します。
広範なテストを通じて、当社は最先端の手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