Modélisation efficace du flux de données de l'encodage périphérique dans le système visuel humain
Author
Venue
ACM Transactions on Applied Perception
Abstract
L'infographie vise à produire des images captivantes, générées dans les limites d'un budget de calcul, destinées à un périphérique d'affichage spécifique et, en fin de compte, visualisées par un utilisateur individuel. La nature fovéale de la vision humaine offre la possibilité d'allouer efficacement le calcul et la compression aux zones appropriées du champ visuel de l'observateur, ce qui revêt une importance particulière avec l'essor des périphériques d'affichage à haute résolution et à large champ de vision. Cependant, si les variations d’acuité et de sensibilité au contraste à travers le champ de vision ont été bien étudiées et modélisées, une variation plus importante concerne la dégradation de la vision périphérique face à l’encombrement, phénomène connu sous le nom de « crowding ». La compréhension du crowding périphérique a considérablement progressé ces dernières années, tant en termes de phénoménologie que de modélisation. Il est essentiel d’exploiter ces connaissances avec précision pour de nombreuses applications, car la vision périphérique couvre la majorité des pixels de l’image. Nous proposons des modèles computationnels de la vision périphérique destinés à une utilisation future en infographie. En particulier, des chercheurs ont récemment développé des modèles performants de crowding périphérique, appelés modèles de « pooling », qui prédisent un large éventail de phénomènes mais sont inefficaces sur le plan computationnel. Nous reformulons le problème sous la forme d’un calcul de flux de données, ce qui permet un traitement plus rapide et l’utilisation d’images plus grandes. De plus, nous prenons en compte l'encodage explicite des caractéristiques « en fin de ligne » dans l'image, ce qui faisait défaut dans les méthodes précédentes. Nous évaluons notre modèle dans le contexte de la perception des textures dans la périphérie, en utilisant notamment un nouvel ensemble de données de textures et des descripteurs de texture mis à jour. Notre cadre computationnel amélioré pourrait simplifier le développement et le test de modèles plus sophistiqués et complets dans des contextes plus robustes et réalistes, pertinents pour l'infographie.
