| 講演抄録／キーワード |
| 講演名 |
2026-02-17 10:20
深層学習機構を用いたドライバの視線予測モデル
○吉江里彩・大澤祐平（近畿大）・中西史佳・山高大乗（デンソー先端研）・小濱 剛（近畿大） |
| 抄録 |
（和） |
近年，ドライバ支援システムが目覚ましく進歩しているが，システムの介入が運転行動を不安定にする可能性も指摘されていることから，その安全性能を向上させるためには，ヒトと機械の協調を考慮した設計が必要であるとされる．従来の視線予測モデルは，事故シーンなどの限られた条件で学習されており，広範なシーンに対応できる汎用性に課題があった．本研究では，日常的な走行シーンを対象として，画像特徴に基づくボトムアップ要因と文脈情報などのトップダウン要因の双方を考慮した，生理学的知見に基づく深層学習による視線予測モデルを構築した．実測した注視点データから生成した確率分布マップと，モデルが予測した視線分布との相関を評価した結果，両者の間には正の相関が示され，他の類似モデルよりも高い値を示した．このことから，提案モデルのような構造を有するモデルにより，日常的な運転シーンにおける視線予測の実現が可能であることが示唆された． |
| （英） |
Although driver assistance systems have made remarkable progress in recent years, it has been pointed out that system interventions can potentially destabilize driving behavior. Consequently, designing systems that account for human-machine collaboration is essential for enhancing safety performance. Conventional gaze prediction models are typically trained under limited conditions, such as accident scenarios, which pose challenges for generalization across a broad range of scenes. In this study, we developed a deep-learning-based gaze prediction model for routine driving scenes that incorporates physiological insights. This model considers both bottom-up factors based on image features and top-down factors such as contextual information. We evaluated the correlation between the probability distribution maps generated from the measured fixation data and the gaze distributions predicted by the model. The results demonstrated a positive correlation, yielding higher values than those of the previous models. These findings suggest that models with structures similar to those of the proposed model enable effective gaze prediction in routine driving scenes. |
| キーワード |
（和） |
深層学習モデル / 視線予測 / 運転支援 / ドライバ / / / / |
| （英） |
Deep learning model / Gaze prediction / Driving assistance / Driver / / / / |
| 文献情報 |
映情学技報, vol. 50, no. 4, HI2026-3, pp. 12-17, 2026年2月. |
| 資料番号 |
HI2026-3 |
| 発行日 |
2026-02-10 (HI) |
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
IEICE-HIP HI VRPSY ASJ-H |
| 開催期間 |
2026-02-17 - 2026-02-18 |
| 開催地（和） |
那覇市IT創造館 大会議室 |
| 開催地（英） |
|
| テーマ（和） |
VR心理，ヒューマン情報処理，視覚，マルチモーダル，一般 |
| テーマ（英） |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
HI |
| 会議コード |
2026-02-HIP-HI-VRPSY-H |
| 本文の言語 |
日本語 |
| タイトル（和） |
深層学習機構を用いたドライバの視線予測モデル |
| サブタイトル（和） |
|
| タイトル（英） |
A driver's gaze prediction model employing deep learning mechanisms |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
深層学習モデル / Deep learning model |
| キーワード(2)（和/英） |
視線予測 / Gaze prediction |
| キーワード(3)（和/英） |
運転支援 / Driving assistance |
| キーワード(4)（和/英） |
ドライバ / Driver |
| キーワード(5)（和/英） |
/ |
| キーワード(6)（和/英） |
/ |
| キーワード(7)（和/英） |
/ |
| キーワード(8)（和/英） |
/ |
| 第1著者 氏名（和/英/ヨミ） |
吉江 里彩 / Risa Yoshie / ヨシエ リサ |
| 第1著者 所属（和/英） |
近畿大学 (略称： 近畿大)
Kindai University (略称： Kindai Univ.) |
| 第2著者 氏名（和/英/ヨミ） |
大澤 祐平 / Yuhei Ohsawa / オオサワ ユウヘイ |
| 第2著者 所属（和/英） |
近畿大学 (略称： 近畿大)
Kindai University (略称： Kindai Univ.) |
| 第3著者 氏名（和/英/ヨミ） |
中西 史佳 / Fumika Nakanishi / ナカニシ フミカ |
| 第3著者 所属（和/英） |
株式会社デンソー 先端技術研究所 (略称： デンソー先端研)
Advanced Research and Innovation Center, DENSO CORPORATION (略称： ARIC, DENSO CORP.) |
| 第4著者 氏名（和/英/ヨミ） |
山高 大乗 / Minori Yamataka / ヤマタカ ミノリ |
| 第4著者 所属（和/英） |
株式会社デンソー 先端技術研究所 (略称： デンソー先端研)
Advanced Research and Innovation Center, DENSO CORPORATION (略称： ARIC, DENSO CORP.) |
| 第5著者 氏名（和/英/ヨミ） |
小濱 剛 / Takeshi Kohama / コハマ タケシ |
| 第5著者 所属（和/英） |
近畿大学 (略称： 近畿大)
Kindai University (略称： Kindai Univ.) |
| 第6著者 氏名（和/英/ヨミ） |
/ / |
| 第6著者 所属（和/英） |
(略称： )
(略称： ) |
| 第7著者 氏名（和/英/ヨミ） |
/ / |
| 第7著者 所属（和/英） |
(略称： )
(略称： ) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 第21著者 氏名（和/英/ヨミ） |
/ / |
| 第21著者 所属（和/英） |
(略称： )
(略称： ) |
| 第22著者 氏名（和/英/ヨミ） |
/ / |
| 第22著者 所属（和/英） |
(略称： )
(略称： ) |
| 第23著者 氏名（和/英/ヨミ） |
/ / |
| 第23著者 所属（和/英） |
(略称： )
(略称： ) |
| 第24著者 氏名（和/英/ヨミ） |
/ / |
| 第24著者 所属（和/英） |
(略称： )
(略称： ) |
| 第25著者 氏名（和/英/ヨミ） |
/ / |
| 第25著者 所属（和/英） |
(略称： )
(略称： ) |
| 第26著者 氏名（和/英/ヨミ） |
/ / |
| 第26著者 所属（和/英） |
(略称： )
(略称： ) |
| 第27著者 氏名（和/英/ヨミ） |
/ / |
| 第27著者 所属（和/英） |
(略称： )
(略称： ) |
| 第28著者 氏名（和/英/ヨミ） |
/ / |
| 第28著者 所属（和/英） |
(略称： )
(略称： ) |
| 第29著者 氏名（和/英/ヨミ） |
/ / |
| 第29著者 所属（和/英） |
(略称： )
(略称： ) |
| 第30著者 氏名（和/英/ヨミ） |
/ / |
| 第30著者 所属（和/英） |
(略称： )
(略称： ) |
| 第31著者 氏名（和/英/ヨミ） |
/ / |
| 第31著者 所属（和/英） |
(略称： )
(略称： ) |
| 第32著者 氏名（和/英/ヨミ） |
/ / |
| 第32著者 所属（和/英） |
(略称： )
(略称： ) |
| 第33著者 氏名（和/英/ヨミ） |
/ / |
| 第33著者 所属（和/英） |
(略称： )
(略称： ) |
| 第34著者 氏名（和/英/ヨミ） |
/ / |
| 第34著者 所属（和/英） |
(略称： )
(略称： ) |
| 第35著者 氏名（和/英/ヨミ） |
/ / |
| 第35著者 所属（和/英） |
(略称： )
(略称： ) |
| 第36著者 氏名（和/英/ヨミ） |
/ / |
| 第36著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2026-02-17 10:20:00 |
| 発表時間 |
20分 |
| 申込先研究会 |
HI |
| 資料番号 |
HI2026-3 |
| 巻番号（vol） |
vol.50 |
| 号番号（no） |
no.4 |
| ページ範囲 |
pp.12-17 |
| ページ数 |
6 |
| 発行日 |
2026-02-10 (HI) |
|