预测人眼扫视路径的新方法

人眼扫视路径预测旨在利用计算模型模拟人眼在自由无约束的观测条件下注意力移动的方式。在以前的研究工作中,人们利用了低层次特征、手工设计的高层次特征、扫视幅度和记忆因素,但这些并不能完美地诠释人眼视觉系统的机制。在这篇论文中,我们提出了一个在预测人眼扫视路径时考虑更多影响因素的综合性方法,该方法包括四个特征:低层次特征,扫视幅度,通过深度卷积神经网络学习得到的语义特征,以及包括短时记忆和长时记忆两个方面的记忆因素。通过计算一张图像中所有候选区域的概率,下一个关注点的位置就可以由拥有最大概率值的区域所选定。并进行了实验验证我们提出的方法的优越性。值得一提的是,在预测扫视路径时,注视时长作为一个关键因素是首次被用来对记忆建模。