✨ ABSTRACT
운전 시 인지적 맹점이 주요 교통사고 원인 중 하나다. 이 논문은 computational visual attention models (CVAMs)이 인간의 attention mechanism과 유사하게 주의를 예측하는 데 사용되는 것을 기반으로, 도시 도로 환경에서 운전 안전을 향상시키기 위한 saccades strategy recommendation을 시사한다. 이 논문의 차별점은 기존 연구들이 driving task에서 visual attention을 이용한 computational model을 test할 때 image나 video를 사용한데 반해 real-world task를 수행시켰다는 점이다.
✨ METHOD
eye movements를 다음의 특징들에 따라 분류하고, 이를 바탕으로 신경망을 이용해 운전 중 적절한 saccade가 무엇인지 분류했다.
여기서 Interchangeable Saccades는 Horizontal Eccentricity Difference와 Number of EFLs with Different Centroid다.
이 네가지 특징 saccades을 input로 비디오 클립을 이용해 saccade recommendation을 만들었다.
✨ RESULTS
* Tobbi Eye-tracker가 사용됨.
