自己類似性による静的および時空間の視覚的顕著性検出

静的および時空間の顕著性検出のための新しい統一フレームワークを提示します。我々の手法はボトムアップアプローチであり、与えられた画像（または動画）から局所回帰カーネル（すなわち局所記述子）を計算し、ピクセル（またはボクセル）がその周囲にどれだけ似ているかを測定します。視覚的顕著性は、この「自己類似性」測定を用いて計算されます。このフレームワークにより、各ピクセル（またはボクセル）が、その周囲の特徴行列に対する特徴行列の顕著性の統計的可能性を示す顕著性マップが生成されます。類似性尺度として、行列コサイン類似度（コサイン類似度の一般化）が用いられます。最新のパフォーマンスが、一般的に使用されるヒトの目の固定データ（静的シーン (N. Bruce & J. Tsotsos, 2006) および動的シーン (L. Itti & P. Baldi, 2006)）およびいくつかの心理的パターンに対して示されています。