単純な時間的再発と複雑な時間的再発のビデオ注目予測における比較

本論文では、既存の静的注目度予測用ニューラルネットワークアーキテクチャを、時間領域からの情報を統合する2種類の再帰手法を用いて改良することを調査しています。最初の改良はアーキテクチャ内にConvLSTMを追加することであり、2つ目の改良は概念的に単純な内部畳み込み状態の指数移動平均です。SALICONデータセットで事前学習された重みを使用し、DHF1K上でモデルを微調整しました。結果は、両方の改良が最先端の成果を達成し、類似の注目度マップを生成していることを示しています。ソースコードはhttps://git.io/fjPiB から入手可能です。