一种基于局部加权注视密度的视觉显著性预测质量评估指标
计算机视觉与模式识别
2017-08-02 v1
摘要
在过去十年中，随着对视觉注意力关注度的提高，过去几年中开发了大量的计算视觉显著性方法。传统上，这些模型通过使用性能评估指标进行评估，这些指标量化了预测显著性与从人类观察者眼动追踪实验中获得的注视数据之间的匹配度。尽管文献中已经提出了相当数量的此类指标，但它们中存在显著问题。在这项工作中，我们通过说明性例子讨论了现有指标的缺点，并提出了一种新的基于注视密度的局部权重指标，克服了这些缺陷。为了比较我们提出的指标在评估显著性预测质量方面的性能与其他现有指标，我们构建了一个真实主观数据库，其中 16 名人类观察者在 5 点类别量表上，根据其与从眼动追踪数据获得的相应真实注视密度图的视觉相似度，对从 17 个不同视觉注意力模型获得的显著性图进行了评估。通过将指标分数与人类主观评分进行相关性分析来评估这些指标。相关结果表明，所提出的评估指标优于所有其他流行的现有指标。此外，构建的数据库和相应的主观评分提供了关于现有指标和未来指标中哪些能更好地估计显著性预测质量的见解，并可用作基准。
引用
@article{arxiv.1708.00169,
title = {A Locally Weighted Fixation Density-Based Metric for Assessing the Quality of Visual Saliency Predictions},
author = {Milind S. Gide and Lina J. Karam},
journal= {arXiv preprint arXiv:1708.00169},
year = {2017}
}