Saliency Prediction in 360º Videos with Transformers

Resumen

Presentamos un modelo de predicción de saliencia para videos 360º basado en la arquitectura del Transformer. Nuestro modelo emplea los mecanismos de atención global representar las dependencias temporales que influyen en el sistema visual humano. Comparamos nuestro modelo con un modelo actual del estado del arte y obtenemos mejores resultados para todas las métricas medidas.