注意力模型的當前發(fā)展水平

1、題目：注意力模型的當前發(fā)展水平作者：AliBjiLaurentItti摘要：視覺注意力的建模，特別是刺激驅動的，基于顯著性的注意力，在過去25年內(nèi)已經(jīng)是一個非?；钴S的研究領域。現(xiàn)在有很多不同的模型，除了給其他領域帶來理論貢獻以外，這些模型已經(jīng)在計算機視覺，移動機器人，和認知系統(tǒng)展示出成功的應用。這里我們從計算角度綜述應用在這些模型的基本概念。我們提出了對大概65個模型的分類，提供了一個方法、性能和缺點的關鍵的比較。特別是，提出了從行為研

2、究和計算研究得出的13個標準，來量化筆記注意力模型。并且，我們解決了一些具有挑戰(zhàn)的模型問題，包括計算模型的生理解釋，與眼動數(shù)據(jù)庫的關系，自上而下和自下而上的分離，以及構建有意義的性能指標。最后，我們突出注意力模型的今后研究方向，為未來提出見解。1，介紹，介紹每秒鐘有大量的視覺信息進入人們的眼睛[1][2]。如果沒有一個智慧的機制來濾除視覺數(shù)的中的錯誤的數(shù)據(jù)，實時處理這些數(shù)據(jù)將是一個非?？植赖氖虑?。高層次的認知和復雜處理，比如物體認知或者

3、場景理解，都依賴這些經(jīng)過這種方式【注：一個智慧的機制來濾除視覺數(shù)的中的錯誤的數(shù)據(jù)】轉換過的易處理的數(shù)據(jù)。本文將討論的這個機制就是視覺注意力，他的核心在于選擇機制的思想以及相關的概念。對人類來說，注意力通過已經(jīng)進化為高分辨率的中央凹的視網(wǎng)膜【注：中央凹（centralfovea）：是眼球后極視網(wǎng)膜上一個淺黃色的區(qū)域，稱為黃斑。其中央有一橢圓形小凹，稱為中央凹】和一個底分辨率的周圍區(qū)域實現(xiàn)的。盡管視覺注意力將這些解剖學組織指向場景中的重要部

4、分來采集更具體的信息，（視覺注意力模型的）主要問題是基于這個指向的計算機制。近年來，科學研究的很多方面已經(jīng)旨在回答這個問題。心理學家研究了視覺注意力的相關行為，比如變化盲點[3][4]【注：變化盲點Changeblindness是一個心理學現(xiàn)象，當刺激發(fā)生變化時，人們往往無法注意到】，無注意力盲點[5]【注：無注意力盲點inattentionalblindness是我們無法注意到一些顯而易見的激勵】和注意瞬脫[6]【注：注意瞬脫atte

5、nionalblink是指在一個連續(xù)的注視過程中，我們會短時間內(nèi)無法注意到一些顯著的物體或者其他東西】。神經(jīng)生理學家證明了神經(jīng)元是如何適應自己來更好的感知感興趣的物體[27][28]。計算神經(jīng)科學家已經(jīng)構建了現(xiàn)實的神經(jīng)網(wǎng)絡模型來模擬和解釋注意力行為（比如[29][30]）。受這些研究的鼓勵，機器人學家和計算機視覺科學家已經(jīng)試圖解決計算復雜度的內(nèi)在問題來構建能夠實時工作的系統(tǒng)（比如[14][15]）。盡管現(xiàn)在在以上提及的研究領域已經(jīng)有很多

6、模型，這里我們僅討論能夠計算圖像或者視頻的顯著圖的模型（見下節(jié)的定義）。對于計算視覺注意力的計算模型的一般綜合，包括偏向競爭[10]，選擇調(diào)節(jié)[15]，注意力模型的規(guī)范化[181]，和其他模型，參考[8]。從心理學、神經(jīng)生理學以及計行為和注意力來執(zhí)行感覺運動協(xié)調(diào)，這是某些特定行為（比如到達reaching和理解grasping）所必須的。1.2起源起源很多注意模型的基礎能夠追溯到Treisman&Gelades[81]，他們提出的“特征

7、整合理論”陳述了那些視覺特征是重要的以及他們?nèi)绾谓M合來在彈出式的和連續(xù)的搜尋任務中引導人們的注意力。KochUllman[18]提出了一個前饋模型來組合這些特征，并引入了saliencymap的概念，saliencymap是表示場景位置突出性的地形圖。他們同時引入了一個winnertakeall神經(jīng)網(wǎng)絡，這個網(wǎng)絡選擇最顯著的位置，利用返回抑制機制使注意力焦點移向下一個最顯著的位置。一些系統(tǒng)隨即創(chuàng)建出來，利用相關模型來處理數(shù)字圖像[15]