自然场景观看中局部与全局注意力的数学模型

理解注视控制的决策过程是认知神经科学中的一个重要问题，在从心理学到计算机视觉的众多领域都有应用。选择下一个扫视目标的决策可框定为两种状态之间的选择过程：观察者应当进一步检视当前注视位置附近的信息（局部注意力），还是继续探索给定场景的其他区块（全局注意力）？在此我们提出并研究了一个受场景观看中这两种注意状态切换启发的数学模型。该模型由一组可生成真实眼动行为的最小假设推导而来。我们基于模型的似然函数实现了用于模型参数推断的贝叶斯方法。为简化推断，我们应用了数据增强方法，从而允许使用共轭先验并构建高效的 Gibbs 采样器。该方法被证明数值高效，且能够拟合扫视统计中的个体间差异。因此，我们建模方法的主要贡献有两个方面：其一，我们提出了一种用于场景观看中扫视生成的新模型；其二，我们展示了贝叶斯推断新方法在扫描路径建模领域的应用。