SymbolSight: 最小化 prosthetic vision 中的 symbol 干扰以实现阅读
计算机视觉与模式识别
2026-05-14 v2 人机交互
摘要
视网膜义具恢复有限的视觉感知，但低空间分辨率和时间持久性使得阅读困难。在顺序字母呈现情况下，一个符号的残像会干扰下一个符号的感知，导致系统性识别错误。我们研究是否通过优化视觉符号本身来缓解这种时间干扰。我们提出了 SymbolSight，一个计算框架，用于选择符号到字母的映射，以最小化频繁相邻字母之间的混淆。通过模拟义具视觉 (SPV) 和神经代理观察者，我们估计成对的符号易混淆程度，并使用语言特定的 bigram 统计数据进行优化。在阿拉伯文、保加利亚文和英语的仿真中，所得的异构符号集合将预测的混淆降低约 22 倍。这些结果表明，标准字体与序列化、低带宽义具视觉不匹配，表明计算建模可以缩小视觉编码设计空间，识别出未来心理生理和临床评估的高潜力候选者，而非直接预测当今临床阅读性能。
引用
@article{arxiv.2601.17326,
title = {SymbolSight: Minimizing Inter-Symbol Interference for Reading with Prosthetic Vision},
author = {Jasmine Lesner and Michael Beyeler},
journal= {arXiv preprint arXiv:2601.17326},
year = {2026}
}
备注
Accepted to IEEE EMBC 2026. 7 pages, 6 figures, 2 tables