图像特征影响反应时间：一种用于扫视延迟的学习型概率感知模型
人机交互
2022-05-06 v1 图形学
摘要
我们旨在提出并回答一个本质问题：“在观察到显示的视觉目标后，我们多快做出反应？”为此，我们呈现了心理物理研究，刻画了人类扫视行为与平面视觉 acuity 之间的显著脱节。基于我们的研究结果，我们开发了一种感知模型来预测时间性注视行为，特别是扫视延迟，作为所显示图像统计量的函数。具体而言，我们实现了一种受神经启发的的概率模型，其模拟导致感知决策的置信度累积。我们利用一系列客观测量与使用眼动追踪 VR 显示器的用户研究验证了我们的模型。结果表明，我们的模型预测与实际人类行为在统计上一致。进一步，我们确认图形管线中引入的许多亚阈值图像修改可能显著改变人类反应时序，即便差异在视觉上不可察觉。最后，我们展示我们的模型可作为预测并改变交互式计算机图形应用中用户反应延迟的度量，从而可能改进注视 contingent 渲染、虚拟体验设计以及电子竞技中的玩家表现。我们用两个例子说明这一点：估计具有两种不同队伍颜色的视频游戏中的竞争公平性，以及调节显示观看距离以最小化玩家反应时间。
引用
@article{arxiv.2205.02437,
title = {Image Features Influence Reaction Time: A Learned Probabilistic Perceptual Model for Saccade Latency},
author = {Budmonde Duinkharjav and Praneeth Chakravarthula and Rachel Brown and Anjul Patney and Qi Sun},
journal= {arXiv preprint arXiv:2205.02437},
year = {2022}
}