Second-order saliency predicts observer eye movements when viewing natural images
Notice bibliographique
Résumé
Humans move their eyes approximately three times per second while viewing natural images, between which they fixate on features within the image. What humans choose to fixate can be driven by features within the early stages of visual processing (salient features e.g. colour, luminance), top-down control (e.g. task, scene schemas), or a combination of both. Recent models based on bottom-up saliency have shown that it is possible to predict some of the locations that humans choose to fixate. However, none have considered the information contained within the second-order features (e.g. texture) that are present within natural scenes. Here we tested the hypothesis that a salience map incorporating second-order features can predict human fixation locations when viewing natural images. We collected eye movements of 20 human observers while they viewed 80 high-resolution calibrated photographs of natural textures and scenes. To maintain natural viewing behaviour but keep concentration, observers were asked to study the scene in order to recognize sections from it in a follow-up forced-choice test. Interestingly, human observer eye movement patterns when viewing natural textures do not show the same central bias as with natural scenes. Salience maps were constructed for each image using a Gabor-based filter-rectify-filter model that detects the second-order features. We find that the fixation location predicted by a model that incorporates second-order information does not differ from that of human observers when viewing natural textures. However, when the model is applied to natural scenes, we find that the ability of the model to predict human observer eye movements decreases, due to the failure in capturing the central bias. A further improvement to the model would be to incorporate a mixture of bottom-up salience and top-down input in the form of a central bias, which may increase the performance of the model in predicting human eye movements.
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 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».