Human Computer Interaction
Computer Vision
人類視覺系統中周邊編碼的高效資料流建模
Author
Venue
《ACM 應用感知彙刊》
Abstract
電腦圖形學旨在產出引人入勝的影像，這些影像須在有限的運算資源內生成，針對特定顯示裝置設計，並最終由個別使用者觀看。人類視覺具有中心視網膜的特性，這為我們提供了機會，得以將運算與壓縮資源有效分配至觀者視野的適當區域，隨著高解析度與廣視野角顯示裝置的興起，此特性尤為重要。 然而，儘管視野範圍內視力銳度與對比敏感度的變化已受到充分研究並建模，但更為關鍵的變化在於周邊視覺在面對雜亂環境時所產生的退化現象，即所謂的「擁擠效應」。近年來，無論是現象學研究或建模方面，對周邊擁擠效應的理解皆有長足進展。由於周邊視覺涵蓋了影像中絕大多數的像素，因此精準運用這項知識對於許多應用而言至關重要。 我們針對最終應用於電腦圖形學，推進了周邊視覺的計算模型。特別是，研究人員近期開發了高性能的周邊擁擠模型，即所謂的「池化」模型，雖然能預測廣泛的現象，但計算效率較低。我們將此問題重新表述為資料流計算，從而實現更快的處理速度並能處理更大尺寸的影像。 此外，我們納入影像中「邊界停止」特徵的顯式編碼，這是先前方法所欠缺的。我們針對周邊區域的紋理感知情境對模型進行評估，包含一套新型紋理資料集及更新的紋理描述子。我們改良的計算框架，有望簡化在更穩健且貼近電腦圖形實際情境下，開發與測試更精密、更完整模型的流程。
