探索视觉注意力:CVPR 2020 - 视频中目标注意力检测
2024-06-09 15:23:01作者:尤辰城Agatha
在计算机视觉领域,理解人类的注意力是至关重要的一步。这篇推荐文章将向您详细介绍一个名为"Detecting Attended Visual Targets in Video"的开源项目,它在CVPR 2020上发表,并提供了预测第三视角下注意力目标的先进方法。
项目介绍
这个项目提供了一个PyTorch实现的深度学习模型,该模型可以接收一个人物头部的边界框作为输入,然后输出对应的注意力热力图,揭示了人物关注的重点在哪里。此外,项目还包括了一个新的数据集、训练和评估代码、预训练模型以及演示脚本。
技术分析
项目基于PyTorch框架构建,利用了卷积 LSTM(ConvLSTM)来捕捉视频中的时空信息。通过这种结构,模型能够理解和跟踪场景的变化,从而精确预测视线焦点。而且,项目还依赖于Chong等人的ECCV 2018论文扩展的GazeFollow数据集进行训练和验证。
应用场景
- 人机交互:理解用户的视线焦点有助于设计更智能的界面,如自动调整屏幕内容或提供个性化建议。
- 视频分析:在监控视频中,它可以用于识别人物的关注点,帮助分析行为模式。
- 广告与营销:在零售环境中,通过分析顾客的目光轨迹,可优化商品布局以提高销售。
项目特点
- 高效准确:模型能够在复杂的视频环境下预测准确的注意力目标。
- 易于使用:提供了详细的文档和可复现的环境设置,使研究人员和开发者能快速上手。
- 全面的数据集:包括了对GazeFollow和VideoAttentionTarget两个数据集的支持,后者是专为该项目创建的新数据集。
- 预训练模型:项目附带了预训练模型,用户可以直接应用于自己的任务。
要开始探索这个强大的工具,请按照项目README文件中的指示下载并运行代码,开启您的视觉注意力检测之旅。如果您有任何问题,欢迎联系作者Eunji Chong(eunjichong@gatech.edu)。
最后,如果你在研究或应用中使用了这个项目或其扩展的数据集,别忘了引用相关文献哦!
@inproceedings{Chong_2020_CVPR,
title={Detecting Attended Visual Targets in Video},
author={Chong, Eunji and Wang, Yongxin and Ruiz, Nataniel and Rehg, James M.},
booktitle = {The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
month = {June},
year = {2020}
}
@InProceedings{Chong_2018_ECCV,
author = {Chong, Eunji and Ruiz, Nataniel and Wang, Yongxin and Zhang, Yun and Rozga, Agata and Rehg, James M.},
title = {Connecting Gaze, Scene, and Attention: Generalized Attention Estimation via Joint Modeling of Gaze and Scene Saliency},
booktitle = {The European Conference on Computer Vision (ECCV)},
month = {September},
year = {2018}
}
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0289Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
164
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
952
560

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.01 K
396

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
407
387

React Native鸿蒙化仓库
C++
199
279

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0