ความสนใจเชิงเวลาทางสายตาเป็นกรณีพิเศษของความสนใจทางสายตาที่เกี่ยวข้องกับการกำหนดความสนใจไปยังช่วงเวลาที่เฉพาะเจาะจง คล้ายกับความสนใจเชิงพื้นที่ทางสายตาโมดูลความสนใจเหล่านี้ได้รับการนำไปใช้อย่างกว้างขวางในการวิเคราะห์วิดีโอในคอมพิวเตอร์วิชั่นเพื่อเพิ่มประสิทธิภาพและคำอธิบายที่มนุษย์สามารถตีความได้^{[ 3 ]}ของโมเดล การเรียนรู้เชิงลึก

เนื่องจากกลไกความสนใจเชิงพื้นที่ทางสายตาช่วยให้ระบบการมองเห็นของมนุษย์และ/หรือคอมพิวเตอร์ สามารถมุ่งเน้นไปที่บริเวณที่มีความหมายมากขึ้นในเชิงพื้นที่ โมดูลความสนใจเชิงเวลาทางสายตาช่วยให้อัลกอริธึม การเรียนรู้ของเครื่อง สามารถ เน้นเฟรมวิดีโอที่สำคัญมากขึ้นใน งาน วิเคราะห์วิดีโอเช่นการจดจำการกระทำของมนุษย์ใน ระบบที่ใช้ โครงข่ายประสาทเทียมแบบคอนโวลูชัน การจัดลำดับความสำคัญที่นำเสนอโดยกลไกความสนใจมักจะถูกนำไปใช้เป็นเลเยอร์การถ่วงน้ำหนักเชิงเส้นที่มีพารามิเตอร์ที่กำหนดโดยข้อมูลการฝึกอบรมที่มีป้ายกำกับ^{[ 3 ]}

อัลกอริทึมการแบ่งส่วนวิดีโอในปัจจุบันมักใช้กลไกความสนใจทั้งเชิงพื้นที่และเชิงเวลา^{[ 2 ] [ 4 ]}การวิจัยเกี่ยวกับการจดจำการกระทำของมนุษย์ได้เร่งตัวขึ้นอย่างมากนับตั้งแต่มีการนำเครื่องมือที่มีประสิทธิภาพ เช่นเครือข่ายประสาทแบบ Convolutional (CNN) มาใช้ อย่างไรก็ตาม วิธีการที่มีประสิทธิภาพในการรวมข้อมูลเชิงเวลาเข้ากับ CNN ยังคงได้รับการสำรวจอย่างต่อเนื่อง ด้วยแรงบันดาลใจจากแบบจำลองความสนใจแบบวนซ้ำที่เป็นที่นิยมในการประมวลผลภาษาธรรมชาติจึงมีการเสนอ Attention-aware Temporal Weighted CNN (ATW CNN) ^{[ 4 ]}ในวิดีโอ ซึ่งฝังแบบจำลองความสนใจทางสายตาลงใน CNN แบบหลายสตรีมที่มีการถ่วงน้ำหนักเชิงเวลา แบบจำลองความสนใจนี้ถูกนำไปใช้เป็นการถ่วงน้ำหนักเชิงเวลาและช่วยเพิ่มประสิทธิภาพการจดจำของการแสดงวิดีโอได้อย่างมีประสิทธิภาพ นอกจากนี้ แต่ละสตรีมในเฟรมเวิร์ก ATW CNN ที่เสนอสามารถฝึกฝนแบบครบวงจรได้ โดยทั้งพารามิเตอร์เครือข่ายและน้ำหนักเชิงเวลาได้รับการปรับให้เหมาะสมโดยการไล่ระดับแบบสุ่ม (SGD)ด้วย การแพร่ ย้อนกลับผลการทดลองแสดงให้เห็นว่ากลไกความสนใจของ ATW CNN มีส่วนช่วยอย่างมากต่อประสิทธิภาพที่เพิ่มขึ้น โดยเฉพาะอย่างยิ่งเมื่อใช้กับคลิปวิดีโอที่มีความสามารถในการแยกแยะได้ดีขึ้น ด้วยการมุ่งเน้นไปที่ส่วนของวิดีโอที่เกี่ยวข้องมากกว่า

• Seibold VC, Balke J และ Rolke B (2023): ความสนใจเชิงเวลา Front. Cognit. 2:1168320. doi: 10.3389/fcogn.2023.1168320.

• ความสนใจ
• ความสนใจเชิงพื้นที่ทางสายตา
• การรับรู้การกระทำ
• การวิเคราะห์เนื้อหาวิดีโอ
• โครงข่ายประสาทเทียมแบบคอนโวลูชัน
• คอมพิวเตอร์วิชั่น