基于卷积神经网络的动态场景视觉注意预测模型.pdf

2020年IEEE虚拟现实国际顶级会议资料： 基于卷积神经网络的动态场景视觉注意预测模型。 在虚拟现实领域中，用户的注视信息可以被应用到很多不同的方面。目前虚拟现实中眼动追踪的解决方案主要是基于眼动仪。眼动仪虽然准确，但是价格昂贵、需要校准、且并非广泛可用。此外，眼动仪只能够测量用户当前时刻的注视位置，不能预测用户在未来时刻的注视。 资料中提出了一个新颖的基于CNN的注视预测模型DGaze，该模型可以用于虚拟现实头盔（HMD）中的注视预测。DGaze模型结合了动态物体位置序列、用户头动速度序列、以及场景内容的显著性特征来预测用户的注视位置。