May, 2024

增强监控任务中的显著性预测：视觉亮点的作用

PDF
TL;DR本研究探讨了视觉亮点在指导无人机监测任务中用户注意力方面的作用，采用了用于观察的模拟界面。实验结果显示，这种亮点能够显著加快对应区域的视觉注意力。基于此观察，我们利用亮点中的时空信息开发了一种新的显著性模型：亮点驱动显著性模型 (HISM)，用于推断亮点条件下的视觉注意力变化。我们的发现表明，视觉亮点在增强用户注意力方面非常有效，并展示了将这些线索纳入显著性预测模型的潜力。
visual highlightsuser attentiondrone monitoringsaliency modelsaliency prediction models
发现论文，激发创造
  • HCEye：探索视觉突出和认知负荷对用户注意力和显著性预测的动态转移

    通过分析来自 27 位参与者对 150 个独特网页的眼动数据，本论文研究了视觉突出显示（永久和动态）和双重任务引起的认知负荷对凝视行为的联合影响。我们的实证研究表明，尽管认知负荷增加时参与者对界面元素的注意力有所减少，但动态调整（即高亮显示）仍然具备吸引力。这些因素的存在显著改变了人们的注意力焦点，因此也改变了显著性。同时，我们展示了当考虑到不同认知负荷时，最先进的显著性模型的性能得到了提升。我们的实证洞察力以及我们公开可用的数据集，增进了我们对多任务情境下用户界面中注意力过程的理解，并为能够预测用户在多任务中的注意力的新模型开辟了道路。

    Apr, 2024

  • 软高亮优化人机协同视觉搜索

    通过人机协同的方式，利用软突出技术提高图像搜索的性能，实验结果显示软高亮度优于硬高亮度。

    Dec, 2016

  • 预测图形设计文档中的视觉注意力

    我们提出了一种用于预测图形设计文档中视觉注意力的模型，该模型是首个尝试使用基于深度学习的模型预测文档区域被凝视的空间注意力和动态时间顺序。通过提出的两阶段模型，我们能够预测图形设计文档中的动态注意力，并在眼动实验中显示出比现有模型更好的性能。

    Jul, 2024

  • 行动之前起身：利用人类的视觉注意力进行持续学习

    本文介绍了在 DeepMind Lab 的三维迷宫中，通过训练代理使用原始图像以及与基于实时谱残差技术生成的显著性地图相叠加的凝视图像，探索利用人类注意力聚焦来进行决策的有效性，并研究了在环境噪声下的迁移学习表现。

    Jul, 2018

  • 自然视频显著性预测的深度学习

    通过使用新的深度学习技术，本文旨在检测自然视频中的显著区域。首先预测视频帧中的显著补丁，然后基于它们构建预测的视觉注视地图。我们展示了通过更改优化网络参数的数据选择方式，可以将计算成本节约多达 12 倍。将 RGB 值的深度学习方法扩展到具有特定性的视频以利用人类视觉系统对残留运动的敏感性。在两个公开可用数据集上进行实验，并展示了较高的准确度和 AUC 度量。

    Apr, 2016

  • 基于显著性模型解释的图形感知

    通过实验设计研究可视化设计决策、对齐类型和显著性地图质量对人类感知显著性视觉解释的影响。

    Jun, 2024

  • 具有全面信息的视觉显著性检测综述

    本论文综述不同类型的显着性检测算法，并总结现有方法的重要问题，分析了存在的问题和未来的工作。此外，简要介绍了评估数据集和定量测量，并进行了实验分析和讨论，以提供不同显著性检测方法的整体概述。

    Mar, 2018

  • GazeFusion: 引导显著性的图像生成

    通过注意力引导的框架结合视觉注意力的数据先验，将扩散模型调整为生成吸引观众注意力的图像，提高图像生成技术的实用性和人机交互设计的应用。

    Mar, 2024

  • 文本引导对视觉注意力的影响：数据库与模型

    本文从主观和客观的角度对文本引导下的图像显著性进行广泛研究，并提出了一种考虑文本影响的文本引导显著性预测模型，该模型在各种评估指标上明显优于现有的显著性模型。

    Apr, 2024

  • 一种基于 LSTM 的显著性关注模型用于预测人眼注视点

    提出了一种基于卷积 LSTM 的新型模型，结合神经注意机制，可预测准确的显著图，并学习一组使用高斯函数生成的先验图，这种模型在公共显著性预测数据集上表现优于现有技术，可以克服人眼注视典型的中心偏差，并且对于不同的情境展现了关键组件各自的贡献。

    Nov, 2016