通过低分辨率注视学习原对象表示

虽然以往的眼动注视预测研究通常依赖于整合低级特征（如颜色、边缘）来构建显著图，但最近发现将这些特征的结构组织成原对象（proto-object）表示可以发挥更重要的作用。在本文中，我们提出了一种基于深度网络的计算框架，以证明可以从注视区域的低分辨率图像块中学习原对象表示。我们在本工作中主张使用低分辨率输入，原因如下：(1) 原对象是在整个视野上并行计算的；(2) 即使处于低分辨率，人们也能很好地感知或识别物体；(3) 来自低分辨率图像的注视可以预测高分辨率图像上的注视。在提出的计算模型中，我们从眼动注视数据集中提取注视区域的多尺度图像块，将其调整为低分辨率并输入到分层网络中。通过逐层无监督特征学习，我们发现学习出了许多类似原对象的特征，这些特征对不同形状的物体团块具有响应。可视化结果也表明，这些特征对场景中的潜在物体具有选择性，并且当与学习到的权重结合时，这些特征的响应能很好地预测图像上的眼动注视。