| 講演抄録／キーワード |
| 講演名 |
2022-02-21 15:05
画像中の物体情報を考慮したユーザ類似度に基づく個人に特化した注視領域の推定に関する検討
○諸戸祐哉・前田圭介・小川貴弘・長谷山美紀（北大） |
| 抄録 |
（和） |
本稿では，画像中の物体情報を考慮したユーザ類似度に基づく少量の視線データを用いた個人に特化した注視領域（Personalized Saliency Map: PSM）推定手法を提案する．本研究では，学習用の視線データが得られたユーザ群（学習用ユーザ群）と推定対象のユーザの注視傾向の類似度を用いることで，対象ユーザから得られた視線データが少量であっても，PSM推定を高精度に実現可能とする．具体的に，まず，学習用ユーザ群のPSMを推定するための深層学習モデルを構築する．次に，学習用ユーザ群と対象ユーザが共通して注視した画像に対するPSMを用いることで，ユーザ間の注視傾向の類似度を算出する．ここで，ヒトの注視領域は物体に関連があると報告されていることから，画像中の物体情報を考慮することで，画像の意味的情報に基づくユーザ間の注視傾向の類似度を算出する．最終的に，深層学習モデルにより算出されたPSMおよび注視傾向の類似度を用いることで，高精度なPSM推定を実現する．本文の最後では，実験において対象ユーザの注視領域推定を行うことで，提案手法の有効性を示す． |
| （英） |
This paper presents a personalized saliency map (PSM) prediction method using a small amount of gaze data based on user similarities considering object information in the image. The proposed methods uses the similarity between the gaze tendency of the target user and a group of users for which a large amount of gaze data has been obtained for training (training user group) to achieve highly accurate PSM prediction of the target user even if the amount of gaze data obtained from the target user is small. Specifically, a deep learning-based model is constructed for predicting the PSM of a training user group. Next, the similarity of the gazing tendency is calculated by using the PSM for the images that the training users and the target user commonly gaze at (training images). Since it has been reported that the human visual attention is related to objects, the proposed method calculates the similarity of gazing tendency between users based on the visual semantic information by considering the object information in the images. Finally, by using the PSM calculated by the deep learning-based model and the similarity of gazing tendency, our method can achieve highly accurate PSM prediction. At the end of this paper, we demonstrate the effectiveness of the proposed method by predicting the PSM of the target user in an experiment. |
| キーワード |
（和） |
注視領域推定 / 少量データ学習 / 物体検出 / 顕著性マップ / 深層学習 / / / |
| （英） |
Saliency prediction / learning from small amount of data / object detection / saliecny map / deep learning / / / |
| 文献情報 |
映情学技報, vol. 46, no. 6, ME2022-51, pp. 181-186, 2022年2月. |
| 資料番号 |
ME2022-51 |
| 発行日 |
2022-02-14 (MMS, ME, AIT) |
| ISSN |
Print edition: ISSN 1342-6893 Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
|