MEDIRL: Predicting the Visual Attention of Drivers via Maximum Entropy Deep Inverse Reinforcement Learning.
аннотация
Вдохновляясь зрительным вниманием человека, мы предлагаем новую формулировку inverse reinforcement learning с использованием Maximum Entropy Deep Inverse Reinforcement Learning (MEDIRL) для предсказания зрительного внимания водителей в ситуациях, чреватых авариями. MEDIRL предсказывает точки фиксации взгляда, ведущие к максимальным наградам, обучая чувствительную к задаче функцию награды по паттернам фиксации взгляда, записанным у внимательных водителей. Кроме того, мы представляем EyeCar — новый набор данных о внимании водителей в ситуациях, чреватых авариями. Мы проводим всесторонние эксперименты для оценки предложенной модели на трёх распространённых бенчмарках: (DR(eye)VE, BDD-A, DADA-2000) и нашем наборе данных EyeCar. Результаты показывают, что MEDIRL превосходит существующие модели в предсказании внимания и достигает результатов современного уровня. Мы представляем обширные абляционные исследования, чтобы дать более глубокое понимание различных особенностей предложенной модели.
подробности
цитирование
@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},
}