Simplicidade na Complexidade

A complexidade dos estímulos visuais desempenha um papel importante em muitos fenômenos cognitivos, incluindo atenção, engajamento, memorização, percepção do tempo e avaliação estética. Apesar de sua importância, a complexidade é mal compreendida e, ironicamente, modelos anteriores de complexidade de imagem foram bastante complexos. Houve muitas tentativas de encontrar características elaboradas que expliquem a complexidade, mas essas características geralmente são específicas para o conjunto de dados e, portanto, não conseguem se generalizar. Por outro lado, trabalhos mais recentes empregaram redes neurais profundas para prever a complexidade, mas esses modelos permanecem difíceis de interpretar e não guiam uma compreensão teórica do problema. Aqui, propomos modelar a complexidade usando representações de imagens baseadas em segmentos. Usamos modelos de segmentação de ponta, SAM e FC-CLIP, para quantificar o número de segmentos em múltiplas granularidades e o número de classes em uma imagem, respectivamente. Descobrimos que a complexidade é bem explicada por um modelo linear simples com essas duas características em seis conjuntos de imagens diversas de cena naturalista e imagens de arte. Isso sugere que a complexidade das imagens pode ser surpreendentemente simples.