[2C6-GS-7] 画像音声メディア処理：

[2C6-GS-7-02] 広告動画視線予測のためのバックボーン変更による
顕著性マップ予測モデルの性能改善

渡邉 太郎¹、〇大西 一貫¹ (1. 株式会社博報堂テクノロジーズ)

キーワード：顕著性マップ、行動認識モデル、広告動画

広告の制作段階において、広告映像のどの部分が主に視聴者の注目を集めているかをフィードバックすることは、より効率的な広告映像の制作につながる重要なポイントである。そこで、エンコーダ部のバックボーンを、より性能の良いアクション認識モデルに置き換え、UNetライクなエンコーダ・デコーダ構造にすることで、性能向上を図る。6種類のアクション認識モデル（S3D、Slow、X3D、Slowfast、MoViNet、Uniformer）を選択し、3種類のベンチマークを用いて推定精度を評価した。行動認識モデルの識別精度と顕著性予測精度の間に相関は見られなかった。小領域や低コントラスト領域では改善が見られたが、物体の動き予測が必要な場合はあまり改善されなかった。