TempSAL - 깊이 있는 시계열 색인 예측을 위한 시계적 정보 탐색

심층 색인 예측 알고리즘은 객체 인식 기능을 보완하지만, 일반적으로 장면 맥락, 의미적 관계, 시선 방향, 객체 간의 차이성과 같은 추가 정보에 의존한다. 그러나 이러한 모델들 중 어느 것도 이미지 관찰 중 시선 이동의 시간적 특성을 고려하지 않는다. 본 연구에서는 인간의 시간적 주의 패턴을 활용하여 시퀀스적 시간 간격에서 색인지도를 출력하도록 학습하는 새로운 색인 예측 모델을 제안한다. 제안한 방법은 학습된 시간적 맵을 결합함으로써 국소적으로 색인 예측을 조절한다. 실험 결과, 본 방법은 SALICON 벤치마크 및 CodeCharts1k 데이터셋에서 기존 최고 성능 모델, 특히 다중 지속 시간 색인 모델을 초월함을 확인하였다. 본 연구의 코드는 GitHub에서 공개되어 있다.