在事物中看到面孔：空想性错视的模型与数据集
计算机视觉与模式识别
2024-09-25 v1 人工智能
人机交互
信息检索
机器学习
摘要
人类视觉系统非常善于检测各种形状和大小的面孔。虽然这带来了明显的生存优势，例如更有可能在灌木丛中发现未知的捕食者，但它也会导致虚假的人脸检测。“面孔空想性错视”描述了在原本随机的刺激中感知到类人脸结构的现象：在咖啡渍或天空中的云朵里看到面孔。在本文中，我们从计算机视觉的角度研究面孔空想性错视。我们提出了一个“事物中的面孔”图像数据集，包含五千张带有人类标注的空想性错视面孔的网络图像。利用该数据集，我们考察了最先进的人脸检测器在多大程度上会表现出空想性错视，并发现人类与机器之间存在显著的行为差异。我们发现，人类检测动物面孔以及人类面孔的进化需求可能解释了这种差异的一部分。最后，我们提出了一个关于图像中空想性错视的简单统计模型。通过对人类受试者和我们的空想性错视人脸检测器的研究，我们证实了模型关于哪些图像条件最可能诱发空想性错视的关键预测。数据集和网站：https://aka.ms/faces-in-things
引用
@article{arxiv.2409.16143,
title = {Seeing Faces in Things: A Model and Dataset for Pareidolia},
author = {Mark Hamilton and Simon Stent and Vasha DuTell and Anne Harrington and Jennifer Corbett and Ruth Rosenholtz and William T. Freeman},
journal= {arXiv preprint arXiv:2409.16143},
year = {2024}
}