단순 vs 복잡한 시간 재발성 모델을 이용한 비디오 주요성 예측

본 논문은 정적 주목도 예측을 위한 기존 신경망 구조를 시간 영역에서 정보를 통합하는 두 가지 재귀 방식을 사용하여 수정하는 방법을 조사합니다. 첫 번째 수정은 구조 내에 ConvLSTM을 추가하는 것이며, 두 번째 수정은 개념적으로 간단한 내부 합성곱 상태의 지수 이동 평균(Exponential Moving Average)입니다. 우리는 SALICON 데이터셋에서 사전 학습된 가중치를 사용하고, DHF1K에서 모델을 미세 조정했습니다. 결과는 두 가지 수정 모두 최신 수준의 성능을 달성하며 유사한 주목도 맵을 생성함을 보여줍니다. 소스 코드는 https://git.io/fjPiB에서 확인할 수 있습니다.