論文の概要: Wave Propagation of Visual Stimuli in Focus of Attention

• arxiv url: http://arxiv.org/abs/2006.11035v1
• Date: Fri, 19 Jun 2020 09:33:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-19 04:15:16.437297
• Title: Wave Propagation of Visual Stimuli in Focus of Attention
• Title（参考訳）: 注意点に着目した視覚刺激の波動伝搬
• Authors: Lapo Faggi, Alessandro Betti, Dario Zanca, Stefano Melacci, Marco Gori
• Abstract要約: 周囲の視覚環境の変化に対する迅速な反応は、計算資源を視覚領域の最も関連する場所に再配置する効率的な注意機構を必要とする。 本研究は, 営巣動物が提示する有効性と効率性を示す, 生物学的に有望な注目焦点モデルを提案する。
• 参考スコア（独自算出の注目度）: 77.4747032928547
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fast reactions to changes in the surrounding visual environment require efficient attention mechanisms to reallocate computational resources to most relevant locations in the visual field. While current computational models keep improving their predictive ability thanks to the increasing availability of data, they still struggle approximating the effectiveness and efficiency exhibited by foveated animals. In this paper, we present a biologically-plausible computational model of focus of attention that exhibits spatiotemporal locality and that is very well-suited for parallel and distributed implementations. Attention emerges as a wave propagation process originated by visual stimuli corresponding to details and motion information. The resulting field obeys the principle of "inhibition of return" so as not to get stuck in potential holes. An accurate experimentation of the model shows that it achieves top level performance in scanpath prediction tasks. This can easily be understood at the light of a theoretical result that we establish in the paper, where we prove that as the velocity of wave propagation goes to infinity, the proposed model reduces to recently proposed state of the art gravitational models of focus of attention.
• Abstract（参考訳）: 周囲の視覚環境の変化に対する迅速な反応は、計算資源を視覚領域の最も関連する場所に再配置する効率的な注意機構を必要とする。 現在の計算モデルでは、データの可用性が高まり、予測能力が向上する一方で、巣化した動物が示す効果と効率の近似はいまだに困難である。 本稿では, 時空間的局所性を示し, 並列分散実装に非常に適した, 生物学的に評価可能な注意点計算モデルを提案する。 細部や動き情報に対応する視覚刺激が発する波伝播過程として注目される。 結果の場は、潜在的な穴で立ち往生しないように「戻りの阻害」の原理に従う。 モデルの正確な実験により、スキャンパス予測タスクにおいて、トップレベルのパフォーマンスを達成することを示す。 このことは、我々が論文で確立した理論的な結果から容易に理解でき、波動伝播の速度が無限に近づくにつれて、提案されたモデルは、注目対象のアート重力モデルの最近提案された状態に還元されることを示す。

関連論文リスト

• TPP-Gaze: Modelling Gaze Dynamics in Space and Time with Neural Temporal Point Processes [63.95928298690001]
  ニューラル・テンポラル・ポイント・プロセス(TPP)に基づく新規かつ原則化されたスキャンパスダイナミクスのアプローチであるTPP-Gazeを提案する。 提案手法は,最先端手法と比較して総合的に優れた性能を示す。
  論文  参考訳（メタデータ） (2024-10-30T19:22:38Z)
• Injecting Hamiltonian Architectural Bias into Deep Graph Networks for Long-Range Propagation [55.227976642410766]
  グラフ内の情報拡散のダイナミクスは、グラフ表現学習に大きな影響を及ぼす重要なオープン問題である。 そこで我々は(ポート-)Hamiltonian Deep Graph Networksを紹介した。 我々は,非散逸的長距離伝播と非保守的行動の両方を,単一の理論的・実践的な枠組みで調整する。
  論文  参考訳（メタデータ） (2024-05-27T13:36:50Z)
• WISE: full-Waveform variational Inference via Subsurface Extensions [1.4747234049753455]
  本稿では,変分推論と条件付き正規化フローを用いたフルウェーブフォームインバージョンのための確率的手法を提案する。 提案手法は、生成人工知能と物理インフォームド・コモンイメージ・コレクションを統合し、正確な初期速度モデルへの依存を減らす。
  論文  参考訳（メタデータ） (2023-12-11T00:58:33Z)
• Bridging the Gap: Gaze Events as Interpretable Concepts to Explain Deep Neural Sequence Models [0.7829352305480283]
  本研究では,固定およびサケードに確立された視線事象検出アルゴリズムを用いる。 これらの事象が与える影響を定量的に評価し,その概念的影響を判断する。
  論文  参考訳（メタデータ） (2023-04-12T10:15:31Z)
• Hybrid Predictive Coding: Inferring, Fast and Slow [62.997667081978825]
  本稿では,反復型と償却型の両方を原則的に組み合わせたハイブリッド予測符号化ネットワークを提案する。 我々は,本モデルが本質的に不確実性に敏感であり,最小計算費用を用いて正確な信念を得るためにバランスを適応的にバランスさせることを実証した。
  論文  参考訳（メタデータ） (2022-04-05T12:52:45Z)
• Gravitational Models Explain Shifts on Human Visual Attention [80.76475913429357]
  視覚的注意(英: visual attention)とは、人間の脳が優先的な処理のために関連する感覚情報を選択する能力を指す。 過去30年間に様々な評価方法が提案されてきた。 注意変動を記述するための重力モデル(GRAV)を提案する。
  論文  参考訳（メタデータ） (2020-09-15T10:12:41Z)
• Focus of Attention Improves Information Transfer in Visual Features [80.22965663534556]
  本稿では,真のオンライン環境下での視覚情報伝達のための教師なし学習に焦点を当てた。 エントロピー項の計算は、エントロピー項のオンライン推定を行う時間的プロセスによって行われる。 入力確率分布をよりよく構成するために,人間のような注目モデルを用いる。
  論文  参考訳（メタデータ） (2020-06-16T15:07:25Z)
• Toward Improving the Evaluation of Visual Attention Models: a Crowdsourcing Approach [21.81407627962409]
  最先端のモデルは、人間のデータからサリエンシマップを学習することに焦点を当てている。 私たちは、現在の測定値の限界を、唾液度予測とスキャンパス類似性に強調する。 本研究では, 教師なし重力モデルによって生じる走査パスが, 有能で有能な人間の観察者にとっていかに有用かを評価することを目的とした研究である。
  論文  参考訳（メタデータ） (2020-02-11T14:27:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。