Buchumschlag

Data Limitations for Modeling Top-Down Effects on Drivers' Attention

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kotseruba, Iuliia, Tsotsos, John K.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Understanding and Modeling the Effects of Task and Context on Drivers' Gaze Allocation
von: Kotseruba, Iuliia, et al.
Veröffentlicht: (2023)

SCOUT+: Towards Practical Task-Driven Drivers' Gaze Prediction
von: Kotseruba, Iuliia, et al.
Veröffentlicht: (2024)

SNAP: A Benchmark for Testing the Effects of Capture Conditions on Fundamental Vision Tasks
von: Kotseruba, Iuliia, et al.
Veröffentlicht: (2025)

Do Saliency Models Detect Odd-One-Out Targets? New Datasets and Evaluations
von: Kotseruba, Iuliia, et al.
Veröffentlicht: (2020)

Diving Deeper Into Pedestrian Behavior Understanding: Intention Estimation, Action Prediction, and Event Risk Assessment
von: Rasouli, Amir, et al.
Veröffentlicht: (2024)

Statistical Challenges with Dataset Construction: Why You Will Never Have Enough Images
von: Goldman, Josh, et al.
Veröffentlicht: (2024)

Leveraging Bottom-Up and Top-Down Attention for Few-Shot Object Detection
von: Chen, Xianyu, et al.
Veröffentlicht: (2020)

TdAttenMix: Top-Down Attention Guided Mixup
von: Wang, Zhiming, et al.
Veröffentlicht: (2025)

TDFormer: A Top-Down Attention-Controlled Spiking Transformer
von: Zhu, Zizheng, et al.
Veröffentlicht: (2025)

Top2Pano: Learning to Generate Indoor Panoramas from Top-Down View
von: Zhang, Zitong, et al.
Veröffentlicht: (2025)

Top-Down Guidance for Learning Object-Centric Representations
von: Zou, Junhong, et al.
Veröffentlicht: (2024)

Top-Down Framework for Weakly-supervised Grounded Image Captioning
von: Cai, Chen, et al.
Veröffentlicht: (2023)

Driver Attention Tracking and Analysis
von: Nguyen, Dat Viet Thanh, et al.
Veröffentlicht: (2024)

Funnel-HOI: Top-Down Perception for Zero-Shot HOI Detection
von: Sarma, Sandipan, et al.
Veröffentlicht: (2025)

Rethinking Layered Graphic Design Generation with a Top-Down Approach
von: Chen, Jingye, et al.
Veröffentlicht: (2025)

Top-Down Semantic Refinement for Image Captioning
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

Joint Top-Down and Bottom-Up Frameworks for 3D Visual Grounding
von: Liu, Yang, et al.
Veröffentlicht: (2024)

DriverGaze360: OmniDirectional Driver Attention with Object-Level Guidance
von: Govil, Shreedhar, et al.
Veröffentlicht: (2025)

AHMF: Adaptive Hybrid-Memory-Fusion Model for Driver Attention Prediction
von: Xu, Dongyang, et al.
Veröffentlicht: (2024)

Top-Down Compression: Revisit Efficient Vision Token Projection for Visual Instruction Tuning
von: li, Bonan, et al.
Veröffentlicht: (2025)

Towards Top-Down Reasoning: An Explainable Multi-Agent Approach for Visual Question Answering
von: Wang, Zeqing, et al.
Veröffentlicht: (2023)

Edge Detection for Organ Boundaries via Top Down Refinement and SubPixel Upsampling
von: Mehta, Aarav, et al.
Veröffentlicht: (2025)

TD-RD: A Top-Down Benchmark with Real-Time Framework for Road Damage Detection
von: Xiao, Xi, et al.
Veröffentlicht: (2025)

On-Road Object Importance Estimation: A New Dataset and A Model with Multi-Fold Top-Down Guidance
von: Nan, Zhixiong, et al.
Veröffentlicht: (2024)

GAN Based Top-Down View Synthesis in Reinforcement Learning Environments
von: Younus, Usama, et al.
Veröffentlicht: (2024)

Where, What, Why: Towards Explainable Driver Attention Prediction
von: Zhou, Yuchen, et al.
Veröffentlicht: (2025)

FBLNet: FeedBack Loop Network for Driver Attention Prediction
von: Chen, Yilong, et al.
Veröffentlicht: (2022)

LeafTrackNet: A Deep Learning Framework for Robust Leaf Tracking in Top-Down Plant Phenotyping
von: Liu, Shanghua, et al.
Veröffentlicht: (2025)

Rethinking Top Probability from Multi-view for Distracted Driver Behaviour Localization
von: Nguyen, Quang Vinh, et al.
Veröffentlicht: (2024)

High-Level Parallelism and Nested Features for Dynamic Inference Cost and Top-Down Attention
von: Kelm, André Peter, et al.
Veröffentlicht: (2023)

SpargeAttention2: Trainable Sparse Attention via Hybrid Top-k+Top-p Masking and Distillation Fine-Tuning
von: Zhang, Jintao, et al.
Veröffentlicht: (2026)

Privacy-Preserving Driver Drowsiness Detection with Spatial Self-Attention and Federated Learning
von: Khoa, Tran Viet, et al.
Veröffentlicht: (2025)

Mixture-of-Top-k Attention: Efficient Attention via Scalable Fast Weights
von: Wen, Qishuai, et al.
Veröffentlicht: (2026)

TopKD: Top-scaled Knowledge Distillation
von: Wang, Qi, et al.
Veröffentlicht: (2025)

Interpretable Modeling of Driver Attention Shifts with a Vision--Language Model
von: Hamid, Kaiser, et al.
Veröffentlicht: (2025)

TileTracker: Tracking Based Vector HD Mapping using Top-Down Road Images
von: Mahdavian, Mohammad, et al.
Veröffentlicht: (2024)

NavOne: One-Step Global Planning for Vision-Language Navigation on Top-Down Maps
von: Zhan, Dijia, et al.
Veröffentlicht: (2026)

Code-as-Room: Generating 3D Rooms from Top-Down View Images via Agentic Code Synthesis
von: Yang, Yixuan, et al.
Veröffentlicht: (2026)

Vision-language Models for Driver Monitoring Systems: A Driver Activity Description Dataset
von: Lerch, David J., et al.
Veröffentlicht: (2026)

Bootstrapping Top-down Information for Self-modulating Slot Attention
von: Kim, Dongwon, et al.
Veröffentlicht: (2024)