信息可视化上的扫描路径预测
计算机视觉与模式识别
2023-02-07 v2 人机交互
摘要
我们提出了显著性及扫描路径统一模型（UMSS）——一种学习预测信息可视化上视觉显著性与扫描路径（即眼动注视序列）的模型。尽管扫描路径在视觉探索过程中提供了关于不同可视化元素重要性的丰富信息，已有工作仅限于预测聚合的注意力统计，如视觉显著性。我们在流行的 MASSVIS 数据集上对不同信息可视化元素（如标题、标签、数据）的注视行为进行了深入分析。我们表明，总体而言，注视模式在可视化与观察者之间惊人地一致，但不同元素的注视动态也存在结构性差异。受我们分析启发，UMSS 首先预测多时长元素级显著性图，然后从中以概率方式采样扫描路径。在 MASSVIS 上的大量实验表明，我们的方法在若干广泛使用的扫描路径与显著性评估指标上持续优于最先进方法。我们的方法在扫描路径预测的序列得分上取得 11.5% 的相对提升，在显著性预测的皮尔逊相关系数上取得最高 23.6% 的相对提升。这些结果令人鼓舞，并指向了无需任何眼动追踪设备即可在可视化上实现更丰富的用户模型与视觉注意模拟。
引用
@article{arxiv.2112.02340,
title = {Scanpath Prediction on Information Visualisations},
author = {Yao Wang and Mihai Bâce and Andreas Bulling},
journal= {arXiv preprint arXiv:2112.02340},
year = {2023}
}
备注
11 pages, 6 figures