以人类注视建模主观城市感知
计算机视觉与模式识别
2026-05-07 v1 人工智能
人机交互
摘要
城市感知描述了人们对城市环境的主观评估方式，塑造了城市的体验与理解方式。现有计算方法主要从街景图像中直接建模城市感知，但大体忽视了人类感知过程——即形成此类判断的过程。本文引入了 Place Pulse-Gaze，一个增强街景图像数据集，加入同步的眼动记录与个体感知标签。基于此数据集，我们提出了注视引导的城市感知框架，以探究注视行为对主观城市感知建模的贡献。该框架系统性地检验了三个互补的情境：仅用注视建模、注视与显式语义场景表示融合、以及注视与隐式更丰富视觉表示融合。实验表明，仅凭注视即可获得用于主观城市感知的有用预测信号，融合场景表示后可在语义和更丰富视觉表示下进一步提升预测效果。总体而言，我们的发现凸显了将人类感知过程纳入城市场景理解的重要性，为注视引导的多模态城市计算开辟了方向。
引用
@article{arxiv.2605.00764,
title = {Modeling Subjective Urban Perception with Human Gaze},
author = {Lin Che and Xi Wang and Marc Pollefeys and Konrad Schindler and Martin Raubal and Peter Kiefer},
journal= {arXiv preprint arXiv:2605.00764},
year = {2026}
}