研究人员开发了SGAP-Gaze,一种新型的驾驶员注视点估计网络,该网络整合了面部和周围场景信息。该方法使用基于Transformer的注意力机制融合驾驶员面部和交通场景的特征,创建一个更全面的注视意图向量。与Urban Driving-Face Scene Gaze (UD-FSG)数据集上的现有方法相比,该模型显著降低了平均像素误差,证明了在真实驾驶场景中准确性的提高。 AI
影响 通过整合场景上下文提高了驾驶员注视点估计的准确性,可能增强驾驶员监控系统。
排序理由 这是一篇描述用于驾驶员注视点估计的新模型和数据集的研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →