برجستگی بصری و توجه

برجستگی بصری و توجه به این موضوع می‌پردازند که افراد به احتمال زیاد در کجای یک تصویر نگاه می‌کنند، و مدل‌های محاسباتی این را برای هدایت گرافیک، بینایی و طراحی رابط پیش‌بینی می‌کنند.

Definition

برجستگی بصری خاصیتی است که باعث می‌شود برخی از مناطق تصویر برجسته شده و توجه را جلب کنند، و مدل‌سازی برجستگی، پیش‌بینی محاسباتی است که توجه و تثبیت چشم در کجا قرار خواهد گرفت.

Scope

این موضوع شامل برجستگی از پایین به بالا (bottom-up) که توسط کنتراست در ویژگی‌هایی مانند شدت، رنگ و جهت‌گیری هدایت می‌شود، توجه از بالا به پایین (top-down) که توسط وظایف و اهداف هدایت می‌شود، پیش‌بینی نگاه و تثبیت چشم انسان، و کاربردهایی که رندرینگ، فشرده‌سازی و طراحی را به سمت مناطق مورد توجه هدایت می‌کنند، می‌شود.

Core questions

• چه چیزی باعث می‌شود یک منطقه از تصویر توجه را جلب کند؟
• تأثیرات از پایین به بالا و از بالا به پایین بر توجه چگونه ترکیب می‌شوند؟
• نگاه انسان با چه دقتی می‌تواند از یک تصویر پیش‌بینی شود؟
• برجستگی چگونه می‌تواند سیستم‌های گرافیک و بینایی را هدایت کند؟

Key concepts

• نقشه‌های برجستگی
• کنتراست مرکز-اطراف
• ادغام ویژگی‌ها
• توجه از پایین به بالا و از بالا به پایین
• پیش‌بینی تثبیت و نگاه
• معیارهای ارزیابی توجه

Key theories

مدل برجستگی ادغام ویژگی‌ها

برجستگی با استخراج نقشه‌های ویژگی برای شدت، رنگ و جهت‌گیری، تشخیص کنتراست محلی مرکز-اطراف در هر یک، و ترکیب آن‌ها در یک نقشه اصلی که قله‌های آن پیش‌بینی می‌کنند توجه به کجا جلب می‌شود، محاسبه می‌شود.

توجه از پایین به بالا در مقابل از بالا به پایین

توجه هم توسط برجستگی ناشی از محرک و هم توسط اهداف مبتنی بر وظیفه هدایت می‌شود، و مدل‌های محاسباتی به طور فزاینده‌ای هر دو را ادغام می‌کنند، تمایزی که برای ارزیابی و بهبود پیش‌بینی نگاه حیاتی است.

Clinical relevance

مدل‌های برجستگی، رندرینگ و فشرده‌سازی مبتنی بر ادراک را هدایت می‌کنند که تلاش را به مناطق مورد توجه اختصاص می‌دهند، طراحی رابط کاربری و تبلیغات را اطلاع‌رسانی می‌کنند، برش و هدف‌گذاری مجدد خودکار تصویر را پشتیبانی می‌کنند، و به رباتیک و بینایی کمکی کمک می‌کنند.

History

مدل ایتی-کوخ-نیبور در سال 1998، که ریشه در نظریه‌های روان‌شناختی توجه داشت، یک توضیح محاسباتی تأثیرگذار از برجستگی از پایین به بالا ارائه داد؛ معیارهای ارزیابی و بررسی‌ها این حوزه را تثبیت کردند، و شبکه‌های عمیق بعدها پیش‌بینی نگاه را به طور قابل توجهی بهبود بخشیدند.

Key figures

• Laurent Itti
• Christof Koch
• Ali Borji

Seminal works

• itti1998
• borji2013

Frequently asked questions

نقشه برجستگی چیست؟

این یک نقشه به اندازه تصویر است که احتمال جلب نگاه بیننده توسط هر مکان را امتیاز می‌دهد، با نقاط روشن که مناطقی را نشان می‌دهند که پیش‌بینی می‌شود بیشتر برجسته باشند.

چرا پیش‌بینی توجه مفید است؟

دانستن اینکه افراد به کجا نگاه می‌کنند به سیستم‌ها اجازه می‌دهد تا کیفیت رندرینگ، بیت‌های فشرده‌سازی، یا تأکید طراحی را بر روی مناطقی که برای بینندگان اهمیت بیشتری دارند متمرکز کنند و در جاهایی که احتمال جلب توجه کم است، در تلاش صرفه‌جویی کنند.