MAAD

MAAD 根据嘈杂的注视估计和一段时间内的场景视频提供参与意识的估计。该学习模型还提供了显着性估计和噪声注视信号的细化。我们在一个新的带注释数据集上展示了模型的性能，该数据集探索了受试者在观察各种驾驶场景时的注视和感知的参与意识。在这个数据集中，我们提供了一个替代注释的第三人参与的意识估计作为可重复的监督线索。

MAAD provides engagement awareness estimates based on noisy gaze estimations and scene videos over a period of time. This learning model also offers saliency estimation and refinement of noisy gaze signals. We demonstrate the model's performance on a newly annotated dataset, which explores the gaze and perceived engagement awareness of subjects while observing various driving scenarios. In this dataset, we provide third-person engagement awareness estimates as an alternative annotation for reproducible supervision cues.

搜集汇总

背景与挑战

背景概述

MAAD数据集是一个用于驾驶员注意力监测的视频数据集，包含显着性估计和噪声注视信号的细化，旨在研究驾驶场景中的注视和感知参与意识。该数据集由Toyota Research Institute和Northwestern University于2021年发布。