[论文解读] 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 5

一句话总结

本文提出了一种基于双尺度序列概率比检验（a-SPRT）的贝叶斯最优决策策略，用于视觉搜索，其性能优于现有的扩散至边界模型和最大输出模型。研究结果表明，通过无损证据累积与动态阈值设定，可在响应时间与错误率之间实现最优权衡，a-SPRT为高维、异质性搜索任务提供了可扩展且解析可处理的解决方案。

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.

研究动机与目标

• 开发一个理想观察者模型，以在视觉搜索任务中最优地平衡响应时间与错误率。
• 解决现有模型（尤其是扩散至边界和最大输出等现象学模型）缺乏最优性保证的局限性。
• 将理想观察者理论从固定显示时间任务扩展至无约束观看时间，实现动态决策。
• 为动态规划变得不可行的高维视觉搜索问题，提供可扩展且解析可处理的解决方案。
• 在同质与异质搜索条件下，实现对人类与模型性能相对于最优基准的定量评估。

提出的方法

• 将视觉搜索建模为部分可观察的马尔可夫决策过程（POMDP），以推导最优决策策略。
• 使用贝叶斯推断计算目标存在性与位置的后验信念，对集合大小和干扰物分布等未知参数进行边缘化。
• 提出a-SPRT——一种新颖策略，采用两个具有不同缩放因子的一维SPRT，且阈值恒定，以近似最优决策边界。
• 采用并行增益控制回路，对干扰物混合进行边缘化，实现在不改变核心搜索网络的前提下实现任务特定适应。
• 推测a-SPRT在二维搜索中与最优策略一致，通过与替代模型的风险比较得到验证。
• 通过蒙特卡洛模拟（1000–10000次运行）将a-SPRT策略与SPRT-opt、Hardmax及标准SPRT进行比较，评估风险、响应时间与错误率。

实验结果

研究问题

• RQ1 当观看时间无约束时，视觉搜索中响应时间与错误率之间的最优权衡是什么？
• RQ2 理想观察者如何在多个视觉位置上实现无损证据累积，且在信号-噪声比异质的情况下保持最优？
• RQ3 为何现有决策机制（如扩散至边界和最大输出）在视觉搜索任务中表现次优？
• RQ4 能否通过可扩展且解析可处理的解决方案，近似高维视觉搜索中动态规划失效时的最优决策策略？
• RQ5 人类视觉搜索行为在多大程度上与所提出的最优策略一致，尤其是在异质漂移率条件下？

主要发现

• 所提出的a-SPRT策略基于双尺度扩散过程，在同质与异质视觉搜索任务中，均能实现最小化给定错误率下的期望响应时间的最优性能。
• 在低代价、同质设置中，使用优化阈值的标准SPRT（SPRT-opt）接近最优，但当不同位置的信噪比变化时，其性能变得次优。
• Hardmax（全局整合局部决策）在几乎所有场景中均表现次优，尤其在高时间成本或异质条件下更为明显。
• a-SPRT策略在二维搜索中与最优决策边界极为接近，其风险与性能指标（响应时间与错误率）几乎无法与真实最优值区分。
• 在同质设置中，SPRT-opt与a-SPRT性能相近；但在异质漂移率场景下，a-SPRT显著优于SPRT-opt。
• 该模型表明，理想观察者可借助神经硬件高效实现，提示皮层回路可能支持最优视觉搜索计算。