論文の概要: Learning to See Like Humans: Gaze-Aligned Cycling Safety Prediction

• arxiv url: http://arxiv.org/abs/2605.24040v1
• Date: Thu, 21 May 2026 16:01:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.551589
• Title: Learning to See Like Humans: Gaze-Aligned Cycling Safety Prediction
• Title（参考訳）: 人間のように見えることを学ぶ: 視線に適応した自転車の安全予測
• Authors: Luís Maria Perdigão, Miguel Costa, Carlos Santiago, Manuel Marques,
• Abstract要約: Eye-Tracking-Guided Perceived Cycling Safetyフレームワークは、視線データを視覚変換器に基づくペア学習パイプラインに統合する。 実験により、視線誘導モデルでは、最先端のアプローチと同等のランク付け性能が得られることが示された。
• 参考スコア（独自算出の注目度）: 10.075139719791684
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cycling delivers significant public-health and environmental benefits, yet its uptake in cities is often limited by perceived safety. When street environments appear unsafe, individuals are less likely to cycle, making perception a key barrier to adoption. Recent work has shown that pairwise comparisons of street-view images provide a scalable way to learn subjective safety judgments. However, existing approaches do not explicitly model human visual attention, which plays a central role in how humans perceive safety. We propose an Eye-Tracking-Guided Perceived Cycling Safety framework (EG-PCS) that integrates gaze data into a pairwise learning pipeline based on vision transformers. By supervising the model's attention mechanism with eye-tracking signals, we encourage alignment between learned attention maps and human fixation patterns. Experiments show that gaze-guided models achieve similar ranking performance compared to state-of-the-art approaches while producing attention maps that more accurately reflect human visual attention behavior. Our results demonstrate that incorporating eye-tracking information enhances both predictive accuracy and interpretability in perception-based urban analytics.
• Abstract（参考訳）: サイクリングは公衆衛生と環境面で大きな利益をもたらすが、都市におけるその獲得は、認識される安全によって制限されることが多い。 ストリート環境が安全でないように見えると、個人はサイクルを減らし、知覚が採用にとって重要な障壁となる。 近年の研究では、ストリートビュー画像のペア比較が、主観的安全判断を学習するためのスケーラブルな方法を提供することが示されている。 しかし、既存のアプローチは人間の視覚的注意を明示的にモデル化するものではない。 本稿では、視線データを視覚変換器に基づくペア学習パイプラインに統合する、視線追従型知覚自転車安全フレームワーク(EG-PCS)を提案する。 視線追跡信号を用いてモデルの注意機構を監視することにより、学習された注意図と人間の定着パターンのアライメントを促進する。 実験により、視線誘導モデルでは、人間の視覚的注意行動をより正確に反映した注意マップを作成しながら、最先端のアプローチと同等のランク付け性能が得られることが示された。 本研究は,視線追跡情報の導入により,認識に基づく都市分析における予測精度と解釈可能性の両方が向上することを示す。

関連論文リスト

• Modeling Subjective Urban Perception with Human Gaze [60.73742038237224]
  そこで我々はPlace Pulse-Gazeを紹介した。Place Pulse-Gazeは、街路ビューの画像に同期した視線追跡記録と個人認識ラベルを付加する都市認識データセットである。 本研究では,視線行動が主観的都市感のモデル化にどのように貢献するかを考察するために,ガゼ誘導型都市知覚フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-01T16:25:13Z)
• Eye Gaze-Informed and Context-Aware Pedestrian Trajectory Prediction in Shared Spaces with Automated Shuttles: A Virtual Reality Study [12.640255397914018]
  本稿では、歩行者が様々なシナリオで自動シャトルとどのように相互作用するかをキャプチャするバーチャルリアリティー(VR)研究について述べる。 共有空間における歩行者の意思決定における重要な行動パターンを明らかにする。 本稿では、歩行者の軌跡、きめ細かな視線力学、文脈要因を統合したマルチモーダルな視線インフォームド・コンテキスト認識予測モデルであるGazeX-LSTMを提案する。
  論文  参考訳（メタデータ） (2026-03-20T09:57:23Z)
• An Integrated Causal Inference Framework for Traffic Safety Modeling with Semantic Street-View Visual Features [9.356306102405549]
  Googleストリートビュー画像にセマンティックセグメンテーションを適用し,視覚環境の特徴を抽出した。 モデルにおける共起変数の非線形影響機構を特徴付けるためにSHAP値を用い,条件付き平均処理効果を推定するために因果林を適用した。 本研究は,緑化が安全介入の可能性を示唆する因果的証拠を提供し,危険視環境を優先し,脆弱な道路利用者(VRU)を保護するための設計最適化の必要性を強調した。
  論文  参考訳（メタデータ） (2026-02-12T13:47:56Z)
• Human vs. AI Safety Perception? Decoding Human Safety Perception with Eye-Tracking Systems, Street View Images, and Explainable AI [7.691305223886377]
  アイトラッキングシステムは、ユーザーが見ているものや、特定の環境要素にどれくらいの時間従事しているかを定量化する。 安全な環境を認識する際に人間の注意を引き付ける重要な視覚要素を同定する。 これらの洞察は、都市の特徴が人間の安全知覚に影響を与えるというより人間中心の理解を提供する。
  論文  参考訳（メタデータ） (2025-09-29T20:05:39Z)
• Which cycling environment appears safer? Learning cycling safety perceptions from pairwise image comparisons [2.3900828891729784]
  都市がより持続可能な交通手段に移行するためには、循環が不可欠だ。しかし、安全上の懸念は、個人が循環する上で重要な抑止力として残されている。 本研究では, 個人がサイクリングリスクをどう認識するかを把握し, 理解する問題に取り組む。 我々は,現実のイメージのペア比較にアプローチを基づき,回答者に2組の道路環境を提示する。 サイクリングにとって、より安全なものを選ぶように求めます。 収集したデータを用いて、個人の反応から学習し、画像から直接好みを学習するマルチロスフレームワークを用いて、シアム・畳み込みニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2024-12-13T03:56:40Z)
• When Does Perceptual Alignment Benefit Vision Representations? [76.32336818860965]
  視覚モデル表現と人間の知覚的判断との整合がユーザビリティに与える影響について検討する。 モデルと知覚的判断を一致させることで、多くの下流タスクで元のバックボーンを改善する表現が得られることがわかった。 その結果,人間の知覚的知識に関する帰納バイアスを視覚モデルに注入することは,より良い表現に寄与することが示唆された。
  論文  参考訳（メタデータ） (2024-10-14T17:59:58Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• Gaze-Informed Vision Transformers: Predicting Driving Decisions Under Uncertainty [5.006068984003071]
  ビジョントランスフォーマー(ViT)は先進的なコンピュータビジョンを持っているが、運転のような複雑なタスクにおける有効性はいまだ研究されていない。 本研究は、視線を視線追跡によって捉え、不確実性の下での運転シナリオの予測精度を高めることにより、視線と視線を融合させることにより、視線を増強する。
  論文  参考訳（メタデータ） (2023-08-26T22:48:06Z)
• Vision-Based Manipulators Need to Also See from Their Hands [58.398637422321976]
  本研究では,視覚的視点の選択が,生のセンサ観測から身体操作の文脈における学習と一般化にどう影響するかを検討する。 手中心(目の)視点は可観測性を低下させるが、トレーニング効率とアウト・オブ・ディストリビューションの一般化を一貫して改善する。
  論文  参考訳（メタデータ） (2022-03-15T18:46:18Z)
• Do Pedestrians Pay Attention? Eye Contact Detection in the Wild [75.54077277681353]
  都市環境では、人間は近くの人々との迅速かつ効率的なコミュニケーションのためにアイコンタクトに依存している。 本稿では,環境や歩行者距離を制御できない自動運転車の眼球接触検出,すなわち実世界のシナリオに着目した。 本稿では, セマンティックキーポイントを利用したアイコンタクト検出モデルを導入し, このハイレベルな表現が, 一般公開データセットJAADの最先端結果を実現することを示す。 ドメイン適応を研究するために、私たちは、野生のアイコンタクト検出のための大規模データセット、LOOKを作成しました。
  論文  参考訳（メタデータ） (2021-12-08T10:21:28Z)
• Counterfactual Attention Learning for Fine-Grained Visual Categorization and Re-identification [101.49122450005869]
  本稿では,因果推論に基づくより効果的な注意力学習法を提案する。 具体的には,学習した視覚的注意がネットワーク予測に与える影響を分析する。 本手法は,広範囲の粒度認識タスクにおいて評価する。
  論文  参考訳（メタデータ） (2021-08-19T14:53:40Z)

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。