清华 & 北大 & 商汤提出 AHMF | 用于注意力预测的自适应混合记忆融合模型，实现更类似人类的注意力预测！

文章预览

点击下方卡片，关注 「AI视界引擎」 公众号 ( 添加时备注：方向+学校/公司+昵称/姓名 ) 准确预测驾驶员注意力可以作为智能车辆理解交通场景和做出明智驾驶决策的关键参考。尽管现有关于驾驶员注意力预测的研究通过结合先进的显著性检测技术提高了性能，但它们忽略了从认知科学角度分析驾驶任务以实现类人预测的机会。 在驾驶过程中，驾驶员的工作记忆和长期记忆分别在场景理解和经验检索中发挥着关键作用。它们共同形成了情境意识，使驾驶员能够快速理解当前交通状况并根据过去的驾驶经验做出最佳决策。 为了明确整合这两种类型的记忆，本文提出了一个自适应混合记忆融合（AHMF）驾驶员注意力预测模型，以实现更类似人类的预测。具体来说，该模型首先编码当前场景中特定危险刺激的信息以形成工作记忆。 然后，它自适应地从长 ………………………………