[논문 리뷰] Spatial statistics for gaze patterns in scene viewing

Hans A. Trukenbrod, Simon Barthelmé외 2명|arXiv (Cornell University)|2017. 04. 06.

Visual Attention and Saliency Detection참고 문헌 70인용 수 7

한 줄 요약

이 논문은 시각적 장면을 관찰하는 동안 개인의 스캔패스 내에서의 고정점 간 상관관계를 분석하기 위해 공간 통계 방법인 쌍상관함수(PCF)를 도입한다. 연구에서는 고정점들이 우연히 발생할 것으로 예상되는 것보다 더 강하게 집합되어 있음을 보여주며, 반복적인 이미지 시각화 시 이러한 집합성이 더욱 강화됨을 밝혀내었고, 이는 역동적 모델 시뮬레이션에서 주의 범위가 감소함으로써 설명된다.

ABSTRACT

Scene viewing is used to study attentional selection in complex but still controlled environments. One of the main observations on eye movements during scene viewing is the inhomogeneous distribution of fixation locations: While some parts of an image are fixated by almost all observers and are inspected repeatedly by the same observer, other image parts remain unfixated by observers even after long exploration intervals. Here, we apply spatial point process methods to investigate the relationship between pairs of fixations. More precisely, we use the pair correlation function (PCF), a powerful statistical tool, to evaluate dependencies between fixation locations along individual scanpaths. We demonstrate that aggregation of fixation locations within four degrees is stronger than expected from chance. Furthermore, the PCF reveals stronger aggregation of fixations when the same image is presented a second time. We use simulations of a dynamical model to show that a narrower spatial attentional span may explain differences in pair correlations between the first and the second inspection of the same image.

연구 동기 및 목표

• 장면 시각화 중 개인의 스캔패스 내 고정점 간 공간적 의존성을 조사하기 위해.
• 동일한 이미지의 반복 시각화가 고정점 군집화에 어떤 영향을 미치는지 검토하기 위해.
• 감소된 주의 범위가 반복 점검 중 관찰된 고정점 집합성 증가를 설명할 수 있는지 테스트하기 위해.
• 전통적 지표가 놓치는 미세한 고정점 패턴의 차이를 탐지할 수 있도록 PCF를 도구로 검증하기 위해.
• 공간 통계를 계산 모델링과 융합하여 눈동자 운동 제어의 역학을 이해하기 위해.

제안 방법

• 고정점 간 공간 상관관계를 정량화하기 위해 쌍상관함수(PCF)를 실측 눈동자 운동 데이터에 적용하였다.
• 이질적인 PCF를 사용하여 이미지 전반에 걸친 고정점 분포의 비균일성을 보정하였다.
• 고정점 군집화에 미치는 영향을 시험하기 위해 주의 창 크기를 변화시킨 SceneWalk 모델의 시뮬레이션을 실시하였다.
• SceneWalk 모델의 매개변수 추정을 통해 반복 시각화 조건을 시뮬레이션하고, 이를 실험 데이터와 비교하여 PCF를 분석하였다.
• PCF를 바이오니 기반 균일도 측정법 및 스캔패스 비교 방법과 같은 다른 지표들과 비교하였다.
• 이론적 및 시뮬레이션 데이터를 사용하여 유사한 고정점 분포가 매우 다른 PCF를 초래할 수 있음을 보여주었으며, 이는 PCF가 공간적 구조에 민감함을 입증하였다.

실험 결과

연구 질문

• RQ1 단일 스캔패스 내 고정점 간 공간 상관관계가 우연의 기대에 비해 어떻게 벗어나는가?
• RQ2 동일한 이미지의 반복 시각화는 첫 번째 시각화에 비해 더 강한 고정점 군집화를 초래하는가?
• RQ3 감소된 주의 범위가 반복 점검 중 관찰된 고정점 집합성 증가를 설명할 수 있는가?
• RQ4 실제 데이터와 모델 시뮬레이션 간 PCF의 기능 형태는 어떻게 다를까?
• RQ5 PCF는 다른 지표가 감지하지 못하는 고정점 패턴의 차이를 어느 정도 탐지할 수 있는가?

주요 결과

• 이질적인 PCF를 통해 개인의 스캔패스 내 고정점 위치가 우연에 비해 유의미하게 더 강하게 집합되어 있음을 확인하였다.
• 동일한 이미지의 반복 시각화 중 고정점 집합성이 증가하여 고정점의 분포가 더 군집되어 있음을 나타내었다.
• SceneWalk 모델의 시뮬레이션 결과, 주의 범위가 감소하면 고정점 군집화가 더욱 강화됨을 보여주었으며, 이는 실험에서 관찰된 집합성 증가와 일치하였다.
• PCF는 고정점 분포가 눈에 보기에 유사할 경우에도 공간적 구조의 차이를 감지할 수 있었으며, 이는 PCF가 잠재적 역학에 민감함을 입증하였다.
• SceneWalk 모델의 PCF 기능 형태는 실험 데이터에 비해 더 빨리 감쇠하지 않아, 모델의 주의 창을 개선하여 적합도를 높여야 할 필요가 있음을 시사하였다.
• PCF는 전체적인 비균일성과 독립적인 공간 상관관계를 포착하므로, 전통적 지표들과 보완적으로 기능하여 스캔패스 역학에 대한 고유한 통찰을 제공한다.