一种具有位置先验学习且元素敏感的网页显著性模型
计算机视觉与模式识别
2018-11-06 v2
摘要
理解人类视觉注意对多媒体应用十分重要。许多研究尝试从眼动追踪数据中学习并构建计算显著性预测模型。然而，针对网页显著性预测的研究有限，而网页以更多样的内容元素与空间布局为特征。本文提出一种新颖的端到端深度生成显著性模型用于网页。为捕获由页面布局引入的位置偏置，提出位置先验学习子网络，其使用变分自编码器将位置偏置建模为多元高斯分布。为建模网页的不同元素，引入多判别区域检测(MDRD)分支与文本区域检测(TRD)分支，分别旨在提取可能对应人类注意的判别性定位与“显著”文本区域。我们在公开网页数据集FiWI上验证所提模型，结果表明该模型在网页显著性预测上优于SOTA模型。
引用
@article{arxiv.1804.10361,
title = {An Element Sensitive Saliency Model with Position Prior Learning for Web Pages},
author = {Yujun Gu and Jie Chang and Ya Zhang and Yanfeng Wang},
journal= {arXiv preprint arXiv:1804.10361},
year = {2018}
}
备注
Submitted to ICIAI-2019