May, 2023
通过期望码长最小化预测全景视频的扫视路径
Scanpath Prediction in Panoramic Videos via Expected Code Length Minimization
Mu Li, Kanglong Fan, Kede Ma
TL;DR本文提出了一种基于损失数据压缩实现扫描路径预测的简单新标准，该标准建议通过在训练集中量化扫描路径的期望代码长度来拟合离散条件概率模型，该概率模型以视口序列为条件，以适应不同用户生成的不确定性和多样性扫描路径， 并介绍了基于比例积分导数（PID）控制器的采样器来从学习的概率模型生成逼真的人类类似的扫描路径。该方法在广泛的预测时间范围内始终产生更好的定量扫描路径结果，并通过机器区分展现出较高的感知逼真度，同时在多个未见过的全景视频数据集上实现了普适性验证。