什么是显著性图？

它是一种与图像大小相同的图，用于评估每个位置吸引观看者凝视的可能性，其中亮点标记出预计最突出的区域。

预测注意力为何有用？

了解人们看哪里可以让系统将渲染质量、压缩比特或设计重点集中在对观看者最重要的区域，从而在注意力不太可能集中的地方节省精力。

视觉显著性和注意力关注人们最可能看图像的哪些区域，计算模型预测这一点以指导图形、视觉和界面设计。

用 PaperMind 寻找选题即将推出Find papers & topics

Tools & resources

Learn & explore

视频即将推出

视觉显著性是指图像某些区域突出并吸引注视的特性，显著性建模是对注意力和注视点将落在何处的计算预测。

本主题涵盖由强度、颜色和方向等特征对比驱动的自下而上显著性，由任务和目标引导的自上而下注意力，人类注视点和凝视的预测，以及将渲染、压缩和设计导向受关注区域的应用。

特征整合显著性模型: 通过提取强度、颜色和方向的特征图，检测每个特征中的局部中心-环绕对比，并将它们组合成一个主图来计算显著性，主图的峰值预测注意力被吸引的位置。
自下而上与自上而下的注意力: 注意力受刺激驱动的显著性和任务驱动的目标共同引导，计算模型越来越多地整合两者，这是评估和改进凝视预测的核心区别。

显著性模型指导以感知为驱动的渲染和压缩，将精力分配给受关注的区域，为用户界面和广告设计提供信息，支持自动图像裁剪和重定向，并有助于机器人技术和辅助视觉。

基于心理学注意力理论，1998年的Itti-Koch-Niebur模型对自下而上显著性提出了有影响力的计算解释；基准和调查巩固了该领域，深度网络随后显著改善了凝视预测。