정지 모델에 시간 더하기
각 프레임을 독립적으로 처리하는 모델은 이전 프레임의 정보를 바로 활용하지 못한다. 연구는 기존 정지 현저성 구조를 수정해 시간 정보를 통합하는 재귀 방식을 살핀다.
복잡한 재귀와 단순 평균
한 방법은 구조 안에 합성곱 LSTM을 추가한다. 다른 방법은 내부 합성곱 상태의 지수 이동 평균으로 과거 정보를 반영해 비교적 간단하게 시간 문맥을 유지한다.
학습 절차의 공통화
SALICON으로 사전 학습한 가중치를 사용하고 DHF1K에서 미세 조정한다. 연구에서는 두 수정이 비슷한 현저성 지도를 만드는 결과를 보고해 단순한 시간 통합 기준선의 중요성을 보여준다.
평균의 반응 속도
가상의 장면 전환에서 과거 상태의 비중이 크면 이전 장면의 영향이 오래 남을 수 있다. 부드러운 예측과 변화에 대한 빠른 반응 사이의 차이를 함께 확인해야 한다.
관련 문서
Saliency Attentive Model / UNISAL / DHF1K / SALICON / 지수 이동 평균 / 컴퓨터 비전