人类视觉搜索建模：用于自然场景中眼动引导的贝叶斯搜索者与显著性图结合方法
人工智能
2020-12-09 v2 计算机视觉与模式识别
神经元与认知
摘要
寻找物体对几乎任何日常视觉任务都至关重要。显著性模型已能有效预测自然图像中的注视位置，但它们是静态的，即不提供注视时间序列的信息。当前该领域最大的挑战之一是超越显著性图，预测与视觉任务（如搜索给定目标）相关的注视序列。贝叶斯观察者模型已被提出用于此任务，因为它们将视觉搜索表示为主动采样过程。然而，它们主要在人工图像上评估，其如何适应自然图像仍很大程度上未被探索。在此，我们提出一种由显著性图作为先验信息引导的视觉搜索统一贝叶斯模型。我们通过自然场景中记录眼动的视觉搜索实验验证了我们的模型。我们表明，尽管最先进的显著性模型在预测视觉搜索任务中前两次注视时表现良好，但此后其性能退化至随机水平。这表明仅显著性图善于建模自下而上的第一印象，但不足以解释当自上而下任务信息关键时的扫描路径。因此，我们提议将其用作贝叶斯搜索者的先验。该方法在整个扫描路径上产生与人类非常相似的行为，无论是在作为注视次序函数的目标发现百分比还是扫描路径相似性方面，都复现了完整的眼动序列。
引用
@article{arxiv.2009.08373,
title = {Modeling human visual search: A combined Bayesian searcher and saliency map approach for eye movement guidance in natural scenes},
author = {M. Sclar and G. Bujia and S. Vita and G. Solovey and J. E. Kamienkowski},
journal= {arXiv preprint arXiv:2009.08373},
year = {2020}
}