SalM$^{2}$: An Extremely Lightweight Saliency Mamba Model for Real-Time Cognitive Awareness of Driver Attention
Created by
Haebom
Category
Empty
저자
Chunyu Zhao, Wentao Mu, Xian Zhou, Wenbo Liu, Fei Yan, Tao Deng
개요
본 논문은 운전 시나리오에서의 운전자 주의 인식 기술에 대한 연구로, 기존 방법들이 운전 장면의 의미 정보를 충분히 고려하지 못하고, 복잡한 구조와 많은 파라미터를 가지는 문제점을 지적합니다. 이에 따라, 최신 Mamba 프레임워크를 기반으로 실시간으로 동작하는 경량화된 saliency Mamba 네트워크를 제안합니다. 제안된 모델은 기존 모델들보다 훨씬 적은 파라미터(0.08M)를 사용하면서도 최첨단 성능 또는 최첨단 성능의 98% 이상을 달성합니다.
시사점, 한계점
•
시사점:
◦
경량화된 모델 설계를 통해 실시간 운전자 주의 인식이 가능함을 보여줍니다.
◦
적은 파라미터 수로도 최첨단 성능에 근접하는 결과를 달성하여 효율성을 증명합니다.
◦
운전 장면의 의미 정보를 효과적으로 활용하는 새로운 접근 방식을 제시합니다.
•
한계점:
◦
제시된 모델의 성능이 최첨단 모델과 완전히 동일하지 않고, 98% 수준에 머무르는 점은 한계로 볼 수 있습니다.
