Evaluating the Significance of Outdoor Advertising from Driver’s Perspective Using Computer Vision

要約

道路脇の看板などの屋外広告は、マーケティング キャンペーンにおいて重要な役割を果たしますが、ドライバーの注意を逸らし、事故につながる可能性もあります。
この研究では、ドライバーの視点から撮影されたビデオにおける道路脇の看板の重要性を評価するためのパイプラインを提案します。
私たちは、視線追跡デバイスを装着して事前に定義された経路を運転するドライバーによって撮影された 8 つのビデオで構成される、新しい BillboardLamac データセットを収集し、注釈を付けました。
データセットには、154 個の一意の ID と 155,000 個の境界ボックスを含む看板の注釈と、視線データが含まれています。
YOLOv8 検出器と組み合わせてさまざまなオブジェクト追跡方法を評価し、BillboardLamac で 38.5 HOTA を達成する最適なアプローチで看板広告を特定します。
さらに、ドライバーの注視の長さに基づいて看板を 3 つのクラスに分類するランダム フォレスト分類子をトレーニングし、75.8% のテスト精度を達成しました。
トレーニングされた分類器の分析により、看板の重要性を評価する際に、看板の表示期間、顕著性、およびサイズが最も影響力のある特徴であることが明らかになりました。

要約(オリジナル)

Outdoor advertising, such as roadside billboards, plays a significant role in marketing campaigns but can also be a distraction for drivers, potentially leading to accidents. In this study, we propose a pipeline for evaluating the significance of roadside billboards in videos captured from a driver’s perspective. We have collected and annotated a new BillboardLamac dataset, comprising eight videos captured by drivers driving through a predefined path wearing eye-tracking devices. The dataset includes annotations of billboards, including 154 unique IDs and 155 thousand bounding boxes, as well as eye fixation data. We evaluate various object tracking methods in combination with a YOLOv8 detector to identify billboard advertisements with the best approach achieving 38.5 HOTA on BillboardLamac. Additionally, we train a random forest classifier to classify billboards into three classes based on the length of driver fixations achieving 75.8% test accuracy. An analysis of the trained classifier reveals that the duration of billboard visibility, its saliency, and size are the most influential features when assessing billboard significance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google