中心视觉中的时间缓慢性驱动语义物体学习
计算机视觉与模式识别
2026-03-25 v2
摘要
人类从无眼动预测模型。我们提取围绕预测注视位置的图像裁切，以训练时对比自监督学习模型。我们的结果表明，在中心视觉经验中利用时间缓慢性有助于改进物体语义的编码。具体而言，聚焦中心视觉强化了前景物体特征的提取，而考虑时间缓慢性（尤其是与眼动结合），则允许模型编码更广泛的物体语义信息。这些发现为人类如何从自然视觉经验中发展语义物体表征提供了新的见解。我们的代码将在接受后公开。代码可在 https://github.com/t9s9/central-vision-ssl 获取。
引用
@article{arxiv.2602.04462,
title = {Temporal Slowness in Central Vision Drives Semantic Object Learning},
author = {Timothy Schaumlöffel and Arthur Aubret and Gemma Roig and Jochen Triesch},
journal= {arXiv preprint arXiv:2602.04462},
year = {2026}
}
备注
ICLR 2026