.png){kind=icon}
返回
Gaze-guided contrastive unsupervised representations learning
.png){kind=icon}
OA
AI
DOI：10.1007/s00521-025-11526-6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了信息丰富的先验知识，特别是人类注视数据，通过对比方法增强表示学习的整合。我们提出了注视引导对比无监督表示学习（gaze-guided contrastive unsupervised representation learning），一种利用人类注视数据引导对比学习中正负样本选择的新型框架。通过利用人类注视信息，我们捕捉到视觉任务动态中有意义的模式，使智能体能够从演示中获取有效策略并实现更优性能。我们的发现表明，与基线算法相比取得了显著改进，突显了注视引导表示学习在减少数据需求和加速学习方面的价值。该方法适用于广泛的基于视觉的任务，强调了人类注视在提升任务效率与泛化能力中的关键作用。
Keyword:
Contrastive learning
Reinforcement learning
Gaze prediction
Human attention networks
Human in the loop systems
期刊
IF:
4.5
论文数:
886
被引数:
3.2W
机构
引用论文
.png){kind=icon}
Selective eye-gaze augmentation to enhance imitation learning in Atari games选择性眼动增强以提升雅达利游戏中的模仿学习
PREAI
分享收藏
查看更多内容