[論文レビュー] Towards an optimal decision strategy of visual search

Bo Chen, Pietro Perona|arXiv (Cornell University)|Nov 5, 2014

Visual Attention and Saliency Detection参考文献 16被引用数 5

ひとこと要約

本稿では、2スケールの逐次尤度比検定（a-SPRT）を用いたベイジアン最適意思決定戦略を提示し、拡散限界モデルや出力の最大値モデルといった既存のモデルを凌駆する。応答時間と誤り率の最適なトレードオフは、損失のない証拠蓄積と動的しきい値設定によって達成可能であり、a-SPRTは次元が高く、多様性のある検索タスクに対しスケーラブルで解析的に取り扱える解決策を提供する。

ABSTRACT

Searching for objects amongst clutter is a key ability of visual systems. Speed and accuracy are often crucial: how can the visual system trade off these competing quantities for optimal performance in different tasks? How does the trade-off depend on target appearance and scene complexity? We show that the optimal tradeoff strategy may be cast as the solution to a partially observable Markov decision process (POMDP) and computed by a dynamic programming procedure. However, this procedure is computationally intensive when the visual scene becomes too cluttered. Therefore, we also conjecture an optimal strategy that scales to large number of clutters. Our conjecture applies to homogeneous visual search and for a special case of heterogenous search where the signal-to-noise ratio differs across location. Using the conjecture we show that two existing decision mechanisms for analyzing human data, namely diffusion-to-bound and maximum-of-output, are sub-optimal; the optimal strategy instead employs two scaled diffusions.

研究の動機と目的

• 視覚的探索タスクにおける応答時間と誤り率を最適にバランスさせる理想の観測者モデルの開発。
• 拡散限界モデルや出力の最大値モデルといった現象論的モデルの限界を解決。これらは最適性の保証を欠いている。
• 固定表示時間タスクにとどまらず、制約のない視認時間に対応した理想観測者理論の拡張。動的意思決定を可能にする。
• 動的プログラミングが非効率になる高次元の視覚的探索問題に対して、スケーラブルで解析的な解決策の提供。
• 均一および非均一な探索状況の両方において、人間とモデルのパフォーマンスを最適ベンチマークと定量的に評価可能にする。

提案手法

• 視覚的探索を部分的に観測可能なマルコフ意思決定過程（POMDP）として定式化し、最適意思決定方策を導出。
• ベイジアン推論を用いて、ターゲットの存在と位置に関する事後分布を計算。セットサイズやノイズ源の分布といった未知パラメータを周辺化。
• a-SPRTを導入。異なるスケーリング要因を持つ2つの1次元SPRTと一定しきい値を用いた、新たな戦略。最適意思決定境界の近似に用いる。
• 並列ゲイン制御回路を用いてノイズ源の混合を周辺化。コア探索ネットワークを変更せずにタスク固有の適応を可能にする。
• 2次元探索においてa-SPRTが最適戦略と一致すると仮説を立て、代替モデルとのリスク比較によって検証。
• モンテカルロシミュレーション（1,000～10,000回）を用いて、a-SPRT戦略をSPRT-opt、Hardmax、標準SPRTと比較。リスク、応答時間（RT）、誤り率（ER）を評価。

実験結果

リサーチクエスチョン

• RQ1 表示時間が制約のない状況下で、視覚的探索における応答時間と誤り率の最適なトレードオフは何か？
• RQ2 信号対雑音比が異なる複数の視覚的場所にわたり、損失のない証拠蓄積をどのように行えるか？
• RQ3 拡散限界モデルや出力の最大値モデルといった既存の意思決定メカニズムが、なぜ視覚的探索タスクで非最適なのか？
• RQ4 動的プログラミングが非効率になる高次元の視覚的探索において、スケーラブルで解析的な解決策が最適意思決定方策を近似可能か？
• RQ5 人間の視覚的探索行動は、特に信号対雑音比が非均一な条件下で、提案された最適戦略とどの程度一致するか？

主な発見

• 提案されたa-SPRT戦略は、2つのスケーリングされた拡散プロセスに基づき、均一および非均一な視覚的探索タスクの両方で、指定された誤り率における期待応答時間を最小化するという観点で最適なパフォーマンスを達成する。
• 最適化されたしきい値を用いた標準SPRT（SPRT-opt）は、低コストで均一な状況ではほぼ最適であるが、場所ごとの信号対雑音比が異なる場合には非最適となる。
• 局所的意思決定をグローバルに統合するHardmaxは、ほぼすべての状況で非最適であり、特に時間コストが高い場合や非均一な条件下で顕著に劣る。
• 2次元探索においてa-SPRT戦略は最適意思決定境界に非常に近い。リスクおよびパフォーマンス指標（RTおよびER）は真の最適とほとんど区別できない。
• 均一な状況ではSPRT-optとa-SPRTのパフォーマンスは類似しているが、非均一なドリフトレート状況ではa-SPRTがSPRT-optを著しく上回る。
• モデルは、神経的ハードウェアを用いて理想観測者を効率的に実装可能であることを示しており、皮質回路が最適な視覚的探索計算を担っている可能性を示唆する。