문맥이 바꾸는 주의
보행자가 같은 장면을 보더라도 목적과 서두르는 정도 등 조건에 따라 주의를 배분하는 방식이 달라질 수 있다. Context-SalNET은 이런 요인을 인코더·디코더의 잠재 공간에서 명시적으로 모델링한다.
희소한 정답 지도
정답 현저성 지도에서 0이 아닌 위치가 적다는 특성을 다루기 위해 지수 가중 평균제곱오차를 제안한다. 넓은 비주시 영역과 작은 주시 영역의 학습 균형을 고려하는 구성이다.
지식의 불확실성
학습 자료가 제한된 상황을 고려해 인식론적 불확실성을 모델링한다. 이는 자료 부족으로 생기는 모델의 불확실성을 표현하려는 목적이다.
실험 환경의 범위
연구는 긴급성과 안전 선호 조건을 바꾼 가상 현실 자료로 평가한다. 가상 환경의 주의 예측 결과를 실제 도로에서의 안전 보장이나 개별 보행자의 행동 확정으로 해석할 수는 없다.
관련 문서
Gazeformer / Human Attention Transformer / 확률 분포 / 불확실성 추정 / 가상 현실 / 컴퓨터 비전