Resumen

Para muchas aplicaciones gráficas, de diseño y de interacción con el ordenador, es esencial entender dónde miran los humanos en una escena con una tarea concreta. Los modelos de saliencia pueden utilizarse para predecir las ubicaciones de fijación, pero un gran número de modelos de saliencia anteriores se centraban en la tarea de visión libre. Se basan en cálculos ascendentes que no tienen en cuenta la semántica de la imagen orientada a la tarea y a menudo no coinciden con los movimientos oculares reales. Para abordar este problema, recogimos datos de seguimiento ocular de 11 sujetos cuando realizaban alguna tarea de búsqueda concreta en 1307 imágenes y datos de anotación de 2.511 objetos segmentados con contornos finos y 8 atributos semánticos. Utilizando esta base de datos como ejemplos de entrenamiento y prueba, aprendimos un modelo de saliencia basado en las características de la imagen de abajo hacia arriba y la característica de la posición del objetivo. Los resultados experimentales demuestran la importancia de la información del objetivo en la predicción de la atención visual orientada a la tarea.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:modelo de saliencia, interacción persona-ordenador, predicción de la tarea, modelo de saliencia anterior, semántica de la imagen orientada, movimiento ocular real, tarea de búsqueda particular, atención visual orientada, datos de seguimiento ocular, características de la posición del objetivo
• Keywords:model of saliency, human computer interaction, prediction of task, previous saliency model, oriented image semantics, actual eye movement, particular search task, oriented visual attention, eye tracking data, target position features