Core Concepts
個人の視線行動の違いを考慮することで、単一の統合モデルが個別に訓練されたモデルと同等以上の性能を発揮できる。
Abstract
本研究では、動的な社会的シーンにおける個人の視線走査路を予測するためのモデルを提案している。従来の研究では、グループモデルに焦点を当てており、個人の視線行動の多様性を無視していた。しかし、人間-ロボット相互作用においては、個人差が大きな影響を及ぼすため、個人の視線行動をモデル化することが重要である。
提案モデルは、視線履歴と社会的手がかりを再帰的に統合することで、個人の視線走査路を学習する。評価の結果、単一の統合モデルが個別に訓練されたモデルと同等以上の性能を発揮することが示された。これは、グループの注意表象が普遍的な注意を学習させ、一方で監督信号が個人の注意行動を学習させるためだと考えられる。
Stats
個人差が大きいため、単一の統合モデルが個別に訓練されたモデルと同等以上の性能を発揮できる。
統合モデルは、グループの注意表象から普遍的な注意を学習し、個人の注意行動を学習することができる。
Quotes
"個人の視線行動の違いを無視することは、特に人間-ロボット相互作用において有害である。"
"単一の統合モデルが個別に訓練されたモデルと同等以上の性能を発揮する可能性がある。"