일반 모델의 개인화
같은 장면과 과제라도 사람마다 시선을 옮기는 방식이 다를 수 있다. 이 연구는 여러 경로 모델에 관찰자별 정보를 반영해 평균적인 예측을 개인화하려는 접근이다.
관찰자 중심 통합
관찰자 인코더로 주의 특성을 표현하고 영상 특징, 과제 안내와 관찰자 정보를 함께 통합한다. 개인 정보가 최종 좌표에만 덧붙는 것이 아니라 특징 구성에도 반영되도록 한다.
적응적인 우선순위
개인의 주의 특성에 따라 의미 특징 지도의 우선순위를 동적으로 조절해 예측을 정제한다. 관찰자마다 같은 특징에 동일한 중요도를 부여하지 않으려는 설계다.
개인차 평가
값 기반 지표와 순위 기반 지표로 개인화의 효과를 평가한다. 전체 평균이 좋아지는 것과 관찰자 사이의 차이를 정확히 구별하는 것은 같은 평가가 아니므로 둘을 나누어 살펴야 한다.
관련 문서
EyeFormer / Gazeformer / DeepGaze III / GazeXplain / 주의 메커니즘 / 컴퓨터 비전