← 論文一覧に戻る
MEDIRL: Predicting the Visual Attention of Drivers via Maximum Entropy Deep Inverse Reinforcement Learning.
publication

MEDIRL: Predicting the Visual Attention of Drivers via Maximum Entropy Deep Inverse Reinforcement Learning.

Sonia Baee, Erfan Pakdamanian, Inki Kim, Lu Feng, Vicente Ordonez, Laura Barnes.
International Conference on Computer Vision. ICCV 2021.
論文 project page code pdf 生の bibtex

要旨

人間の視覚的注意に着想を得て、我々は、事故が起こりやすい状況におけるドライバーの視覚的注意を予測するための、最大エントロピー深層逆強化学習（Maximum Entropy Deep Inverse Reinforcement Learning、MEDIRL）を用いた新たな逆強化学習の定式化を提案します。MEDIRLは、注意深いドライバーから記録された視線停留パターンからタスクに敏感な報酬関数を学習することで、最大の報酬につながる停留位置を予測します。さらに、我々は、事故が起こりやすい状況における新たなドライバー注意データセットであるEyeCarを導入します。我々は、3つの一般的なベンチマーク（DR(eye)VE、BDD-A、DADA-2000）と我々のEyeCarデータセットで提案モデルを評価するための包括的な実験を行います。結果は、MEDIRLが注意の予測において既存モデルを上回り、最先端の性能を達成することを示しています。我々は、提案モデルのさまざまな特徴についてより多くの洞察を提供するために、広範なアブレーション研究を提示します。

詳細

コメント
Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2021

引用

@inproceedings{baee2021medirl,
  title = {MEDIRL: Predicting the Visual Attention of Drivers via Maximum Entropy Deep Inverse Reinforcement Learning.},
  author = {Baee, Sonia and Pakdamanian, Erfan and Kim, Inki and Feng, Lu and Ordonez, Vicente and Barnes, Laura},
  year = {2021},
  booktitle = {International Conference on Computer Vision. ICCV 2021},
  url = {https://arxiv.org/abs/1912.07773},
}