← 返回论文列表
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.
论文 project page code pdf 原始 bibtex

摘要

受人类视觉注意力启发，我们提出一种新颖的逆强化学习表述，使用最大熵深度逆强化学习（MEDIRL）来预测驾驶员在事故易发情境中的视觉注意力。MEDIRL 通过从专注驾驶员记录的眼动注视模式中学习一个任务敏感的奖励函数，来预测能带来最大奖励的注视位置。此外，我们引入 EyeCar，一个事故易发情境下的新型驾驶员注意力数据集。我们开展了全面的实验，在三个常用基准（DR(eye)VE、BDD-A、DADA-2000）和我们的 EyeCar 数据集上评估所提出的模型。结果表明，MEDIRL 在预测注意力方面优于现有模型，并取得了最先进的性能。我们呈现了大量的消融研究，以提供对所提出模型不同特性的更多洞见。

详情

备注
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},
}