분류 특징의 전이
영상 분류로 학습한 특징을 시선 예측에 활용한다. 연구는 읽기 모듈과 학습 절차를 유지하면서 여러 ImageNet 백본을 비교해 특징 추출기의 영향을 살핀다.
더 좋은 분류기와 시선
영상 분류 성능이 더 높은 백본을 쓴다고 현저성 예측도 계속 좋아지지는 않는다. 서로 다른 과제에서 특징이 유용한 방식이 다를 수 있음을 보여주는 비교다.
여러 백본의 결합
데이터셋이 바뀔 때 백본마다 일반화 양상이 다르고 시선 예측이 과도하게 확신할 수 있다. DeepGaze IIE는 여러 백본을 결합해 보지 못한 자료에서의 확률 보정을 개선하려 한다.
순위와 확률의 구분
가상의 두 모델이 관심 영역의 순서를 같게 매겨도 한 모델은 지나치게 좁은 곳에 확률을 몰아줄 수 있다. 위치 순위의 정확도와 예측 확률의 적절함은 서로 다른 평가 대상이다.
관련 문서
ST-DiffEye / DiffGaze / 전이 학습 / 앙상블 학습 / 확률 분포 / 컴퓨터 비전