Módszerek összehasonlítása
Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.
| Vizuális szalencia-térképezés× | Vizuális Komplexitás Mérő× | |
|---|---|---|
| Tudományterület | Képzőművészet | Képzőművészet |
| Módszercsalád | Process / pipeline | Process / pipeline |
| Keletkezés éve≠ | 1985 | 2011 |
| Megalkotó≠ | Christof Koch and Shimon Ullman | Adrian Forsythe |
| Típus | Analytical pipeline | Analytical pipeline |
| Alapmű≠ | Koch, C., & Ullman, S. (1985). Shifts in Selective Visual Attention: Towards the Underlying Neural Circuitry. Human Neurobiology, 4(4), 219–227. link ↗ | Forsythe, A., Nadal, M., Shackelford, N., & Cela-Conde, C. J. (2011). Predicting Beauty: Fractal Dimension and Visual Complexity in Art. Biology Letters, 7(2), 203–205. DOI ↗ |
| Alternatív nevek | Attention Map Generation, Computational Gaze Prediction | Aesthetic Complexity Assessment, Visual Information Density Metric |
| Kapcsolódó | 5 | 5 |
| Összefoglaló≠ | Visual Saliency Mapping is a computational method for predicting where viewers naturally direct their attention within an image. Grounded in neuroscience and vision science, this pipeline generates attention heat maps that reveal which image regions are most visually compelling, surprising, or distinctive. | Visual Complexity Measure is a computational pipeline for quantifying the informational density and structural intricacy of visual compositions. Drawing from cognitive psychology and computational aesthetics research, this method provides objective metrics for how much visual processing demand a design, image, or artwork places on viewers. |
| ScholarGateAdatkészlet ↗ |
|
|