論文の概要: Estimating Central, Peripheral, and Temporal Visual Contributions to Human Decision Making in Atari Games
- arxiv url: http://arxiv.org/abs/2604.04439v1
- Date: Mon, 06 Apr 2026 05:39:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:19.100842
- Title: Estimating Central, Peripheral, and Temporal Visual Contributions to Human Decision Making in Atari Games
- Title（参考訳）: アタリ競技における人的決定に対する中央・周辺・時間的視覚的寄与の推定
- Abstract要約: 動的視覚環境において、異なる視覚情報ソースが人間の意思決定にどのように貢献するかを考察する。
アイトラッキングを同期した大規模AtariゲームプレイデータセットであるAtari-HEADを用いて,制御アブレーションフレームワークを提案する。
我々は、これらの情報ソースを選択的に含むか排除する6つの設定の下で、行動予測ネットワークを訓練する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study how different visual information sources contribute to human decision making in dynamic visual environments. Using Atari-HEAD, a large-scale Atari gameplay dataset with synchronized eye-tracking, we introduce a controlled ablation framework as a means to reverse-engineer the contribution of peripheral visual information, explicit gaze information in form of gaze maps, and past-state information from human behavior. We train action-prediction networks under six settings that selectively include or exclude these information sources. Across 20 games, peripheral information shows by far the strongest contribution, with median prediction-accuracy drops in the range of 35.27-43.90% when removed. Gaze information yields smaller drops of 2.11-2.76%, while past-state information shows a broader range of 1.52-15.51%, with the upper end likely more informative due to reduced peripheral-information leakage. To complement aggregate accuracies, we cluster states by true-action probabilities assigned by the different model configurations. This analysis identifies coarse behavioral regimes, including focus-dominated, periphery-dominated, and more contextual decision situations. These results suggest that human decision making in Atari depends strongly on information beyond the current focus of gaze, while the proposed framework provides a way to estimate such information-source contributions from behavior.
- Abstract（参考訳）: 動的視覚環境において、異なる視覚情報ソースが人間の意思決定にどのように貢献するかを考察する。
眼球追跡を同期した大規模アタリゲームプレイデータセットであるAtari-HEADを用いて、周囲の視覚情報、視線地図による明示的な視線情報、人間の行動からの過去の状態情報などの貢献をリバースエンジニアリングする手段として、制御されたアブレーションフレームワークを導入する。
我々は、これらの情報ソースを選択的に含むか排除する6つの設定の下で、行動予測ネットワークを訓練する。
20試合中、周辺情報は最強の貢献を示し、35.27-43.90%の範囲で中央値の予測精度が低下した。
注視情報は2.11-2.76%減少し、過去状態の情報は1.52-15.51%の範囲を示しており、上端は周辺情報の漏洩が減少しているため、より有益な情報である可能性が高い。
集合的精度を補うために、異なるモデル構成によって割り当てられた真反応確率によって状態がクラスタ化される。
この分析は、焦点が支配される、周辺が支配される、より文脈的に決定される状況を含む粗い行動体制を特定する。
これらの結果から,アタリにおける人的意思決定は目視以上の情報に強く依存していることが示唆された。
関連論文リスト
- Mutual Information guided Visual Contrastive Learning [8.058961687401627]
本研究では,実世界の分布から計算した相互情報に基づいて,学習データを選択する可能性を検討する。
提案手法は,複数の最先端表現学習フレームワークにまたがって,複数のベンチマークに対して提案した相互情報インフォームドデータ拡張手法を評価する。
論文 参考訳（メタデータ） (2025-10-26T20:43:29Z) - Localized Gaussians as Self-Attention Weights for Point Clouds Correspondence [92.07601770031236]
本稿では,エンコーダのみのトランスフォーマーアーキテクチャのアテンションヘッドにおける意味的意味パターンについて検討する。
注意重みの修正はトレーニングプロセスの促進だけでなく,最適化の安定性の向上にも寄与する。
論文 参考訳（メタデータ） (2024-09-20T07:41:47Z) - MAAD: A Model and Dataset for "Attended Awareness" in Driving [10.463152664328025]
本研究では,環境に対する参加者の意識を推定するモデルを提案する。
我々のモデルはビデオ形式で入力シーン情報として捉え、ノイズの多い視線推定を行う。
我々は、運転シーンのビデオに出席する23人の被験者の24.5時間の視線シーケンスを含む、高精度な視線追跡装置で新しいデータセットをキャプチャした。
論文 参考訳（メタデータ） (2021-10-16T16:36:10Z) - Unsupervised Belief Representation Learning in Polarized Networks with
Information-Theoretic Variational Graph Auto-Encoders [26.640917190618612]
偏極ネットワークにおける信念表現学習のための教師なしアルゴリズムを開発した。
ユーザとコンテンツアイテム(例えば、ユーザビューを表す投稿)の両方を、適切に区切られた潜在空間に投影することを学ぶ。
ユーザとコンテンツの潜在表現は、イデオロギー的傾きを定量化し、問題に対する姿勢を検出し、予測するために使用することができる。
論文 参考訳（メタデータ） (2021-10-01T04:35:01Z) - Beyond Tracking: Using Deep Learning to Discover Novel Interactions in
Biological Swarms [3.441021278275805]
本稿では,システムレベルの状態を全体像から直接予測するディープ・ネットワーク・モデルを提案する。
結果の予測モデルは、人間の理解した予測モデルに基づいていないため、説明モジュールを使用する。
これは、行動生態学における人工知能の例である。
論文 参考訳（メタデータ） (2021-08-20T22:50:41Z) - Conditional Contrastive Learning: Removing Undesirable Information in
Self-Supervised Representations [108.29288034509305]
我々は,自己指導型表現において望ましくない情報を除去するために,条件付きコントラスト学習を開発する。
提案手法は,下流タスクの自己教師付き表現をうまく学習できることを実証的に実証する。
論文 参考訳（メタデータ） (2021-06-05T10:51:26Z) - Visual Distant Supervision for Scene Graph Generation [66.10579690929623]
シーングラフモデルは通常、大量のラベル付きデータを人間のアノテーションで教師付き学習する必要がある。
本研究では,人間ラベルデータを用いずにシーングラフモデルを訓練できる視覚関係学習の新しいパラダイムである視覚遠方監視を提案する。
包括的な実験結果から、我々の遠隔監視モデルは、弱い監督と半監督のベースラインよりも優れています。
論文 参考訳（メタデータ） (2021-03-29T06:35:24Z) - 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)
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。