Core Concepts
運転は視覚運動課題であり、運転者が見るものと行うことの間に密接な関係がある。しかし、多くのモデルは運転者の行動の影響を考慮せず、単に視覚的な相関関係を学習している。この問題の根本原因は、上位ダウン効果をトレーニングおよび評価するために使用できる注釈付きの公開データが不足していることである。
Abstract
本論文では、運転者の注意に対する上位ダウン効果をモデル化するためのデータ制限について検討する。具体的には以下の点を明らかにする:
DR(eye)VE、BDD-A、MAAD、LBWの4つの大規模公開データセットの特性を分析し、運転者が見たものと行ったことを捉えるための制限を明らかにする。
運転タスク(横方向および縦方向の操作)と状況要素(交差点、優先権)を定義し、それに基づいてデータセットに注釈を付ける。
注釈付きデータを使用して、現状のボトムアップモデルが運転者の行動と状況の影響をどの程度捉えられているかを分析する。
データの制限とモデルの性能の関係を明らかにする。
今後のデータ収集と処理に関する提案を行う。
Stats
運転者が速度を維持/車線を維持している場合が全体の60-80%を占める。
非自明なシナリオ(ブレーキ、ターン、車線変更)は全体の20%未満。
交差点通過シナリオは全体の7%程度。そのうち70-80%は優先権がある。