人类扫描路径预测的研究现状
计算机视觉与模式识别
2021-10-05 v2
摘要
近年来，预测人类观看图像时所作注视的扫描路径的模型激增。然而，该领域缺乏对那些模型在预测能力方面的原则性比较。过去，模型通常基于将人类扫描路径与模型生成的扫描路径进行比较来评估。与此不同，本文基于模型在给定先前扫描路径历史时预测扫描路径中每个注视的好坏来评估模型。这使得模型评估与被认为支撑扫描路径生成的生物过程紧密对齐，并允许以直观且可解释的方式应用诸如 AUC 和 NSS 等已确立的显著性度量。我们在 MIT1003、MIT300、CAT2000 train 和 CAT200 test 数据集上评估了许多现有的扫描路径预测模型，首次给出了人类扫描路径预测当前研究现状的详细图景。我们还表明，所讨论的模型基准测试方法允许更细致的分析，从而带来关于模型在何处及何时无法预测人类行为的有趣见解。MIT/Tuebingen 显著性基准将实现此处详述的扫描路径模型评估，使研究者能够在已确立的基准数据集 MIT300 和 CAT2000 上为其模型打分。
引用
@article{arxiv.2102.12239,
title = {State-of-the-Art in Human Scanpath Prediction},
author = {Matthias Kümmerer and Matthias Bethge},
journal= {arXiv preprint arXiv:2102.12239},
year = {2021}
}