Salience Visual dan Perhatian

Salience visual dan perhatian berkaitan dengan di mana dalam suatu gambar orang cenderung paling mungkin melihat, dan model komputasi memprediksi hal ini untuk memandu desain grafis, visi, dan antarmuka.

Definition

Salience visual adalah properti yang membuat beberapa wilayah gambar menonjol dan menarik pandangan, dan pemodelan salience adalah prediksi komputasi tentang di mana perhatian dan fiksasi akan jatuh.

Scope

Topik ini mencakup salience bottom-up yang didorong oleh kontras dalam fitur-fitur seperti intensitas, warna, dan orientasi, perhatian top-down yang dipandu oleh tugas dan tujuan, prediksi pandangan dan fiksasi manusia, serta aplikasi yang mengarahkan rendering, kompresi, dan desain menuju wilayah yang diperhatikan.

Core questions

• Apa yang membuat suatu wilayah gambar menarik perhatian?
• Bagaimana pengaruh bottom-up dan top-down terhadap perhatian digabungkan?
• Seberapa akurat pandangan manusia dapat diprediksi dari suatu gambar?
• Bagaimana salience dapat memandu sistem grafis dan visi?

Key concepts

• Peta salience
• Kontras pusat-sekitar
• Integrasi fitur
• Perhatian bottom-up dan top-down
• Prediksi fiksasi dan pandangan
• Tolok ukur perhatian

Key theories

Model salience integrasi fitur

Salience dihitung dengan mengekstraksi peta fitur untuk intensitas, warna, dan orientasi, mendeteksi kontras pusat-sekitar lokal di setiap fitur, dan menggabungkannya menjadi peta master yang puncaknya memprediksi di mana perhatian ditarik.

Perhatian bottom-up versus top-down

Perhatian diarahkan baik oleh salience yang didorong stimulus maupun oleh tujuan yang didorong tugas, dan model komputasi semakin mengintegrasikan keduanya, sebuah perbedaan yang sentral untuk mengevaluasi dan meningkatkan prediksi pandangan.

Clinical relevance

Model salience memandu rendering dan kompresi yang didorong persepsi yang mengalokasikan upaya ke wilayah yang diperhatikan, menginformasikan desain antarmuka pengguna dan periklanan, mendukung pemotongan dan penargetan ulang gambar otomatis, serta berkontribusi pada robotika dan visi bantu.

History

Berakar pada teori psikologis perhatian, model Itti-Koch-Niebur tahun 1998 memberikan penjelasan komputasi yang berpengaruh tentang salience bottom-up; tolok ukur dan survei mengkonsolidasikan bidang ini, dan jaringan dalam kemudian secara substansial meningkatkan prediksi pandangan.

Key figures

• Laurent Itti
• Christof Koch
• Ali Borji

Seminal works

• itti1998
• borji2013

Frequently asked questions

Apa itu peta salience?

Ini adalah peta seukuran gambar yang menilai seberapa besar kemungkinan setiap lokasi menarik pandangan pemirsa, dengan titik-titik terang menandai wilayah yang diprediksi paling menonjol.

Mengapa memprediksi perhatian itu berguna?

Mengetahui di mana orang melihat memungkinkan sistem memusatkan kualitas rendering, bit kompresi, atau penekanan desain pada wilayah yang paling penting bagi pemirsa, menghemat upaya di mana perhatian tidak mungkin jatuh.