Core Concepts
人間の注視の確率的性質に対処するために、ガウス混合モデルを導入した新しい眼球注視モデリング手法が提案されています。
Abstract
現在の眼球注視予測方法は、人間の注視点から生成される密な注視マップという形で表現されます。
この記事では、ガウス混合モデルを使用して目の注視マップをよりロバストにモデリングする方法が提案されています。
実験結果は、提案手法が迅速かつ効果的であることを示しています。
注視予測は他のコンピュータビジョン関連分野における前処理段階として定義されており、処理速度が実用上の課題となっています。
1. Introduction
目は情報豊富な領域に焦点を当てる傾向があります。画像処理技術として、顕著性検出は人間の視覚認識に重要です。
2. Related Work
現在までに存在する眼球注視予測モデルやGMM関連のモデルが紹介されています。
3. Method
注視マップは2D GMMで表現可能であり、ニューラルネットワークを使用してGMMパラメーターを学習します。
Stats
提案手法はResNet18(14Mパラメータ)を使用し、MD-SEM(9)と比較して7倍高速です。
Quotes
"Eye fixation prediction is usually defined as a pre-processing step for other computer vision-related fields."
"Learning from a set of GMMs rather than dense fixation maps requires a relatively smaller network."