The Role of Photographic Clarity and Blur in Guiding Visual Attention
Notice bibliographique
Résumé
Although visual artists and photographers know that a viewer’s gaze can be guided by selective use of image clarity and blur, there has been little systematic research. For example, there are hints that clarity and blur may play different roles in guiding attention when they are implicit cues to attention (Veas et al., CHI 2010) versus when they are the explicit targets of a task (Kosara et al., VRVis 2001) but systematic comparisons have not been done. In this study, 24 participants performed two eye-tracking tasks with the same naturalistic photographs, a recognition memory task in which manipulated image regions were not mentioned to participants (Experiment 1), followed by a visual search task in which these regions were explicit targets (Experiment 2). The results from the implicit task in Experiment 1 showed that fixations occurred more rapidly and frequently to a local region of clarity in a photo than to a comparable blurred region. However, this bias was completely reversed in the visual search task of Experiment 2, where fixations and manual responses were faster to targets that were blurred than to those that were sharp. These findings emphasize that the spontaneous tendency of viewers’ eyes to seek out regions of clarity in a photo does not mean image blur is ignored. Rather, the exquisite sensitivity to blur is evidence that these signals are integral to the strong association in everyday vision between image clarity (achieved through accommodation, vergence, and foveation) and focused attention (achieved through directed gaze). Meeting abstract presented at VSS 2012
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».