3、视觉显著性计算：原理、方法与评估

视觉显著性计算：原理、方法与评估

人类视觉系统中的视觉显著性

人类视觉系统在处理视觉信息时，存在着与视觉显著性计算紧密相关的特点。

视觉处理机制

• 自下而上机制 ：启动较早且速度较快，它基于输入场景的物理特征，如颜色、亮度、对比度等，自动吸引注意力。
• 自上而下机制 ：从外侧膝状体（LGN）开始起作用，这是自下而上信息流的早期阶段。随着处理的深入，其影响逐渐增强。该机制利用先验知识来解析和解释输入场景，即使遇到不熟悉的场景也会发挥作用，可视为视觉系统的一种学习机制。一方面，过去的经验有助于高效处理熟悉的场景；另一方面，能从未知场景中挖掘最优处理策略，更新大脑中的知识网络。

视觉显著性计算的相关特性

1. 目标 ：现有计算注意力/显著性模型主要关注注意力的选择性特征。视觉显著性计算的主要目标是通过突出目标并抑制干扰项，衡量各种视觉子集的重要性。
2. 信号类型 ：在视网膜中，输入信号可表示为各种前注意特征，通过提取和传输最具信息性的部分进行大幅压缩。压缩后的信号在LGN中进一步处理，形成具有不同空间/时间分辨率的两类信号，分别输入到两条视觉通路进行后续处理。
3. 处理单元 ：注意力可以分配到空间位置、特征维度和对象上，但我们无法完全控制自己只关注特定单元。因此，对位置、对象和特征维度应用自上而下的调制是合理的。
4. 自