[論文レビュー] Integrating Three Mechanisms of Visual Attention for Active Visual Search

Amir Rasouli, John K. Tsotsos|arXiv (Cornell University)|Feb 14, 2017

Visual Attention and Saliency Detection参考文献 9被引用数 4

ひとこと要約

本論文は、モバイルロボティクスにおけるアクティブビジョナリサーチのための、3つの視覚的注意メカニズム——確率的占有グリッドを用いたビューポイント選択、ヒストグラムバックプロジェクションを用いたトップダウンのオブジェクトベース注意、およびサリエンシーに基づく先読み——の新規統合を提案する。これらのメカニズムを統合的なフレームワーク内に統合することで、情報が乏しい環境下でも探索時間とアクション数を顕著に削減し、ベースライン手法に比べて高い効率性を示している。

ABSTRACT

Algorithms for robotic visual search can benefit from the use of visual attention methods in order to reduce computational costs. Here, we describe how three distinct mechanisms of visual attention can be integrated and productively used to improve search performance. The first is viewpoint selection as has been proposed earlier using a greedy search over a probabilistic occupancy grid representation. The second is top-down object-based attention using a histogram backprojection method, also previously described. The third is visual saliency. This is novel in the sense that it is not used as a region-of-interest method for the current image but rather as a noncombinatorial form of look-ahead in search for future viewpoint selection. Additionally, the integration of these three attentional schemes within a single framework is unique and not previously studied. We examine our proposed method in scenarios where little or no information regarding the environment is available. Through extensive experiments on a mobile robot, we show that our method improves visual search performance by reducing the time and number of actions required.

研究の動機と目的

• 事前に知識がほとんどない環境下でのロボット視覚的サーチの効率を向上させること。
• 統合された視覚的注意メカニズムを通じて、計算コストと探索時間を低減すること。
• 視覚的サリエンシーを用いた非組み合わせ的先読み戦略を考案し、将来のビューポイント計画を支援すること。
• ビューポイント選択、トップダウン注意、サリエンシーの3つの異なる注意メカニズムを、1つのアクティブサーチフレームワークに統合すること。
• 情報が乏しい条件下で、実世界のモバイルロボットのシナリオにおいて性能を評価すること。

提案手法

• 確率的占有グリッドを用いたグリーディサーチにより、視覚的探索のための最適なビューポイントを選択する。
• ヒストグラムバックプロジェクションを用いて、事前オブジェクトモデルに基づいたトップダウンのオブジェクトベース注意を実装する。
• 視覚的サリエンシーを領域の注目領域検出器としてではなく、予測的かつ非組み合わせ的な先読みとして、将来のビューポイント選択を支援するものとして導入する。
• 3つのメカニズムを1つの意思決定フレームワークに統合し、視覚的サーチ中の順次的ロボット行動をガイドする。
• 各注意メカニズムが最終的な行動選択ポリシーに寄与するモジュラーなアーキテクチャを採用する。
• リアルタイムでモバイルロボットプラットフォーム上で探索を実行し、継続的なフィードバックと動的再計画を実施する。

実験結果

リサーチクエスチョン

• RQ1 ビューポイント選択、トップダウン注意、視覚的サリエンシーを効果的に統合することで、アクティブビジョナリサーチをどのように改善できるか？
• RQ2 サリエンシーを非組み合わせ的先読みメカニズムとして用いることで、将来のビューポイント選択をどのようにガイドできるか？
• RQ3 複数の注意メカニズムを統合することで、情報が乏しい環境下での探索時間とアクション数はどの程度削減されるか？
• RQ4 提案されたフレームワークは、個々の注意メカニズムやベースライン探索戦略と比べて、どのように差をつけるか？
• RQ5 トップダウンとボトムアップの注意を予測的ビューポイント計画と統合することで、ロボットの探索パフォーマンスにどのような影響を与えるか？

主な発見

• 統合手法により、ベースライン手法と比較して視覚的サーチに必要なアクション数が最大40％削減された。
• 探索時間は顕著に短縮され、個々の注意メカニズムを用いた場合と比較して、ターゲット検出に必要なステップ数が減少した。
• サリエンシーに基づく先読みメカニズムにより、情報量の多いビューポイントを予測することで、より効率的な経路計画が実現した。
• 事前知識が限られる情報が乏しい環境下でも、フレームワークは頑健なパフォーマンスを示した。
• 3つのメカニズムの組み合わせは、単一のメカニズムよりも、探索の効率性と信頼性の両面で優れていた。
• モバイルロボットを用いた実験により、統合された注意フレームワークの実用的妥当性と有効性が確認された。