去偏中心注视干扰因素揭示视觉注意硬注意力模型中人类扫描路径的Peripheral "Sweet Spot"
计算机视觉与模式识别
2026-02-17 v1 人工智能
摘要
人类眼动在视觉识别中反映了中心采样与周边语境之间的平衡。任务驱动的视觉硬注意力模型通常通过其扫描路径与人类注视的匹配程度进行评估。然而，常见的扫描路径指标在物体中心数据集上常受数据集特定中心偏置的强烈干扰。使用 Gaze-CIFAR-10 数据集，我们展示，一个不言之喻的中心注视基线基准在扫描路径得分上表现出惊人的强度，接近许多学习策略。这使得标准指标乐观，并模糊了真正的行为对齐与单纯中心倾向之间的区别。我们随后分析一种受限视野下的硬注意力分类器，通过扫描中心补丁大小和周边上下文，揭示了Peripheral "sweet spot"：仅当感觉约束处于狭窄范围时，扫描路径才同时满足（i）在去偏后高于中心基线，以及（ii）在运动统计学上类似人类。为解决中心偏置问题，我们提出了GCS（Gaze Consistency Score），即以中心去偏的复合度量，增强了运动相似性。GCS揭示了在中等补丁大小且同时拥有中心与周边视野时存在一个稳健的sweet spot，该sweet spot在原始扫描路径指标或准确率alone时并不明显；同时也指出当视野范围变得过大时会出现"shortcut regime"。我们讨论了对于评估物体中心数据集上的主动感知，以及设计更能区分行为对齐与中心偏置的注视基准的意义。
引用
@article{arxiv.2602.14834,
title = {Debiasing Central Fixation Confounds Reveals a Peripheral "Sweet Spot" for Human-like Scanpaths in Hard-Attention Vision},
author = {Pengcheng Pan and Yonekura Shogo and Yasuo Kuniyosh},
journal= {arXiv preprint arXiv:2602.14834},
year = {2026}
}