Notice bibliographique
Résumé
Formal arguments exist establishing that the complexity of visual search prohibits extensive analysis of all visual content in parallel. It follows that the task of selecting important content out of the enormous pool of incoming sensory input may be regarded as a critical component of animal vision; theoretically as well as practically this remains an open, unsolved problem. The history of this problem has seen many definitions for what comprises important visual content. This work posits a model termed Attention by Information Maximization (AIM) derived from first principles and firmly rooted in Information Theory. The proposal is a generalization of prior work (Bruce and Tsotsos, NIPS 2005) with the focus in this effort on how the model addresses classic psychophysics results. The AIM model is derived from a single principle, specifically, that attention seeks to select visual content that is most informative in a formal sense. Although previous information theoretic models exist, we demonstrate that AIM forms a more natural definition and offer examples where existing efforts based on similar principles fail, additionally arguing that the model subsumes previous efforts based on analytic or heuristic definitions. The relation of the model to primate neural circuitry is also demonstrated. AIM is compared to a variety of classic visual search paradigms revealing its efficacy in explaining an unprecedented range of effects such as pop-out, search efficiency, distractor heterogeneity, target and distractor familiarity, and visual search asymmetries among others. The model is described with sufficient specificity to operate on real images and is revealed to have a greater capacity to predict human gaze patterns than existing efforts. The generality of the definition allows consideration of saliency of arbitrary ensembles of neurons and examples derived from neurons coding for spatiotemporal content and complex stimuli are presented in addition to saliency based on simple V1 type cells.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».