Schätzung der Wahrnehmung von Eigenschaften der Szenenlayout aus globalen Bildmerkmalen

Die Beziehung zwischen Bildmerkmalen und Szenenstruktur ist zentral für das Studium der menschlichen visuellen Wahrnehmung und der Computer vision, aber viele Einzelheiten der Wahrnehmung von Layout in der realen Welt sind unbekannt. Wir wissen nicht, welche Bildmerkmale für die Wahrnehmung von Layout-Eigenschaften relevant sind, oder ob diese Merkmale für jeden Bildtyp dieselben Informationen liefern. Darüber hinaus wissen wir nicht, welche räumlichen Auflösungen erforderlich sind, um verschiedene Eigenschaften wahrzunehmen. Diese Arbeit beschreibt ein Experiment und ein rechnergestütztes Modell, das neue Einblicke zu diesen Themen bietet. Menschen nehmen die globalen räumlichen Layout-Eigenschaften wie dominante Tiefe, Offenheit und Perspektive aus einem einzelnen Bild wahr. Diese Arbeit beschreibt einen Algorithmus, der die Layout-Beurteilungen der Menschen zuverlässig vorhersagt. Die Vorhersagen dieses Modells sind allgemein und nicht spezifisch für die Beobachter, auf denen es trainiert wurde. Die Analyse zeigt, dass die optimalen räumlichen Auflösungen zur Bestimmung des Layouts je nach Inhalt des Raumes und der geschätzten Eigenschaft variieren. Offenheit wird am besten bei hoher Auflösung geschätzt, Tiefe wird am besten bei mittlerer Auflösung geschätzt, und Perspektive wird am besten bei niedriger Auflösung geschätzt. Angesichts der Zuverlässigkeit und Einfachheit der Schätzung des globalen Layouts realer Umgebungen könnte dieses Modell helfen, wahrnehmungsbedingte Mehrdeutigkeiten, die bei detaillierteren Szenenrekonstruktionsschemata auftreten, zu lösen.