FixaTons：人眼注视点数据集与扫描路径相似性度量的集合
人工智能
2018-10-04 v3 计算机视觉与模式识别
摘要
在过去三十年中，人类视觉注意一直是多个学科高度关注的课题。在计算机视觉中，已提出许多模型来预测人类在视觉刺激上的注视点分布。近来，得益于大规模数据集合的创建，机器学习算法在显著性图估计任务上取得了最先进的性能。另一方面，扫描路径的计算模型研究甚少，相关工作往往仅具描述性或特定于某任务。这是因为扫描路径更难建模，因其必须包含对动态过程的描述。文献中存在通用计算模型，但随后在显著性预测任务中被评估，从而丢失了关于动态与行为的信息。此外，两个技术原因限制了该研究：其一是缺乏稳健且统一使用的扫描路径相似性比较度量集合；其二是缺乏足够大且多样的扫描路径数据集。本报告旨在从两方面提供帮助。我们提出 FixaTons，一个大规模的人眼扫描路径（按时间排序的注视点序列）与显著性图数据集集合，并附带一个软件库，便于数据使用、统计计算以及扫描路径与显著性预测评估度量的实现。
引用
@article{arxiv.1802.02534,
title = {FixaTons: A collection of Human Fixations Datasets and Metrics for Scanpath Similarity},
author = {Dario Zanca and Valeria Serchi and Pietro Piu and Francesca Rosini and Alessandra Rufa},
journal= {arXiv preprint arXiv:1802.02534},
year = {2018}
}