周边表征能否改善复杂场景的杂乱度指标？
计算机视觉与模式识别
2016-08-16 v1 人工智能
人机交互
摘要
先前的研究提出了与人类搜索时间和/或眼动相关的基于图像的杂乱度度量。然而，大多数模型并未考虑杂乱效应与人类视觉系统中央凹特性相互作用的事实：离中央凹越远的视觉杂乱对感知的负面影响越大。在此，我们引入一种新的中央凹化杂乱模型，利用强制注视搜索任务来预测目标搜索中的有害效应。我们使用特征拥挤度（Rosenholtz 等人提出）作为非中央凹化杂乱模型，并在特征拥挤度之上叠加一个周边架构以构建我们的中央凹化模型。我们引入周边整合特征拥挤度（PIFC）系数，作为模型的基本组成部分，该系数根据离心率以非线性增益调制杂乱度。我们最终表明，在强制注视搜索中，中央凹化特征拥挤度（FFC）杂乱分数 r(44) = -0.82 与目标检测（命中率）的相关性优于常规特征拥挤度 r(44) = -0.19。因此，我们的模型允许我们通过计算注视点特定的杂乱图来丰富杂乱感知研究。一个用于创建周边架构的工具箱：Piranhas：面向自然、混合和人工系统的周边架构将公开发布。
引用
@article{arxiv.1608.04042,
title = {Can Peripheral Representations Improve Clutter Metrics on Complex Scenes?},
author = {Arturo Deza and Miguel P. Eckstein},
journal= {arXiv preprint arXiv:1608.04042},
year = {2016}
}
备注
Pre-Print to be presented at NIPS 2016 in Barcelona, Spain