从图像统计估计颜色-概念关联
人机交互
2019-10-08 v2
摘要
为了解释分类信息可视化中颜色的含义，人们必须确定不同的颜色如何对应于不同的概念。当可视化中颜色与概念的分配符合人们的预期时，这一过程更为容易，从而使调色板具有语义可解释性。为使语义可解释性优化调色板设计的工作一直在进行，但这需要有对人类颜色-概念关联的良好估计。从人类处获取这些数据成本高昂，这催生了对自动化方法的需求。我们开发并评估了一种新的自动估计颜色-概念关联的方法，其与人类评分高度相关。基于先前使用 Google Images 的研究，我们的方法直接对 Google 图片搜索结果进行处理，无需人工参与。具体而言，我们评估了多种提取图像原始像素内容的方法，以最佳估计从人类评分获得的颜色-概念关联。最有效的方法结合了颜色空间中的柱面扇区与颜色类别来提取颜色。我们证明，仅使用一小部分图像，我们的方法就能准确估计不同水果的平均人类颜色-概念关联。该方法对可以更复杂、可呈现任意颜色的回收相关物体概念也具有中等程度的泛化能力。
引用
@article{arxiv.1908.00220,
title = {Estimating Color-Concept Associations from Image Statistics},
author = {Ragini Rathore and Zachary Leggon and Laurent Lessard and Karen B. Schloss},
journal= {arXiv preprint arXiv:1908.00220},
year = {2019}
}
备注
IEEE VIS InfoVis 2019 ACM 2012 CSS: 1) Human-centered computing, Human computer interaction (HCI), Empirical studies in HCI 2) Human-centered computing, Human computer interaction (HCI), HCI design and evaluation methods, Laboratory experiments 3) Human-centered computing, Visualization, Empirical studies in visualization