Measuring uncertainty in human visual segmentation

要約

視覚刺激を機能と視覚オブジェクトの異なるグループに分割することは、視覚機能の中心です。
古典的な精神物理学的方法は、人間の知覚セグメンテーションの多くのルールを明らかにするのに役立ち、最近の機械学習の進歩は成功したアルゴリズムを生み出しました。
しかし、人間のセグメンテーションの計算ロジックは不明なままです。これは、知覚セグメンテーション マップを測定し、モデルを定量的に比較するための適切に制御されたパラダイムが不足しているためです。
ここでは、新しい統合アプローチを提案します。画像が与えられると、複数のピクセルベースの同じ-異なる判断を測定し、モデル-ベースの基礎となるセグメンテーション マップの再構成を実行します。
再構成は、いくつかの実験操作に対して堅牢であり、個々の参加者の変動性をキャプチャします。
自然画像と複合テクスチャの人間のセグメンテーションに関するアプローチの有効性を示します。
画像の不確実性が測定された人間の変動性に影響を与え、参加者がさまざまな視覚的特徴をどのように評価するかに影響することを示します。
任意の推定セグメンテーション アルゴリズムを挿入して再構成を実行できるため、このパラダイムは、セグメンテーション アルゴリズムの新しいベンチマークと同様に、知覚理論の定量的テストを提供します。

要約(オリジナル)

Segmenting visual stimuli into distinct groups of features and visual objects is central to visual function. Classical psychophysical methods have helped uncover many rules of human perceptual segmentation, and recent progress in machine learning has produced successful algorithms. Yet, the computational logic of human segmentation remains unclear, partially because we lack well-controlled paradigms to measure perceptual segmentation maps and compare models quantitatively. Here we propose a new, integrated approach: given an image, we measure multiple pixel-based same–different judgments and perform model–based reconstruction of the underlying segmentation map. The reconstruction is robust to several experimental manipulations and captures the variability of individual participants. We demonstrate the validity of the approach on human segmentation of natural images and composite textures. We show that image uncertainty affects measured human variability, and it influences how participants weigh different visual features. Because any putative segmentation algorithm can be inserted to perform the reconstruction, our paradigm affords quantitative tests of theories of perception as well as new benchmarks for segmentation algorithms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google