判断注视原因：一种直接评估显著性与语义因素对凝视控制贡献的实验方法

当前关于显著性与语义对凝视控制相对贡献的争论，往往依赖于比较显著性图与意义图的预测能力。我们认为，这种间接的、整体性的研究方法在根本上存在局限，因为注视源于异质性的、局部性的原因，而这些原因在整幅场景的比较中被混淆了。为支持这一主张，我们采用了一种直接方法：让参与者明确指出在特定高注视密度聚类处产生注视的原因，并区分低层显著性、各种语义类别以及其中最重要的一个。所得判断表明，多种因素会同时对凝视控制作出贡献。尽管这些因素的影响在不同注视聚类之间有所变化，语义通常总体上占主导地位。值得注意的是，抽象语义类别，尤其是“未知/异常”，被证明具有重要作用，这凸显了除个人相关性之外，先验知识与新异性在引导注意中的作用。 为了在现有模型的背景下解释这些发现，我们提出了一个框架，用以区分两类过程：一类是突出图像中有趣位置的过程，另一类是将这些信息转化为扫描路径的采样策略。在这一框架下，经典显著性图和意义图被视为对该策略的受限输入，而基于深度学习的模型（如 DeepGaze IIE）则更为一般化，并且还可能隐式编码了该策略本身的某些方面。与此一致，我们发现，相较于经典显著性图和意义图方法，DeepGaze IIE 的预测性能随具体注视原因的变化而表现出较小的差异。

判断注视的原因：一种用于评估显著性与语义因素对凝视控制贡献的直接实验方法 | bioRxiv

跳转至主要内容

首页 关于 投稿 提醒 / RSS

搜索此关键词 高级搜索 新结果

判断注视的原因：一种用于评估显著性与语义因素对凝视控制贡献的直接实验方法

查看 ORCID 个人资料 Franz Faul ， 查看 ORCID 个人资料 Antje Nuthmann

doi： https://doi.org/10.64898/2026.07.01.735892

Franz Faul 1 基尔大学； 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 许可，可永久展示该预印本。 本文依据 CC-BY 4.0 国际许可协议 公开提供。

返回顶部

上一篇 下一篇

发表于 2026 年 7 月 7 日。

下载 PDF 电子邮件

感谢您有兴趣帮助传播 bioRxiv。 您的电子邮件 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或以逗号分隔。

您将要发送以下内容 判断注视的原因：一种用于评估显著性与语义因素对凝视控制贡献的直接实验方法

消息主题 （您的姓名）已从 bioRxiv 转发了一个页面给您

消息正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。

分享

判断注视的原因：一种用于评估显著性与语义因素对凝视控制贡献的直接实验方法

Franz Faul ， Antje Nuthmann bioRxiv 2026.07.01.735892； doi： https://doi.org/10.64898/2026.07.01.735892

分享本文： 复制

引文工具

判断注视的原因：一种用于评估显著性与语义因素对凝视控制贡献的直接实验方法

Franz Faul ， Antje Nuthmann bioRxiv 2026.07.01.735892； doi： https://doi.org/10.64898/2026.07.01.735892

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.01.735892v1?rss=1

🏷️ 凝视控制 视觉注意 显著性 语义因素 眼动追踪 深度学习模型