Иллюстрация взята из Хьюбела. В основном — для иллюстрации остроты восприятия цвета (насколько синий воспринимается более тусклым, чем жёлтый). Но за ссылку спасибо, вставлю комментарий. Про википедию при подготовке даже и не подумал :)
судя по результатам работы программы, у меня складывается ощущение, что алгоритм пытается бедных девушек раздеть :) Так вот, уверяю: психологический аспект тут ещё не учтён!
Фовеальная модель зрения строится на принципах телрии восприятия, насколько я понимаю: там тоже полагается, что зрачёк постоянно движется и фокус зрения постоянно выписывает фигуры лиссажу вокруг точки внимания. Но в данном случае модель является более высокой и учитывает только предпочтительный угол склонения зрения, а в остальном ищет прямые и обратные так называемые «ловушки взгляда». Для динамической же визуализации используется другая схема: создаётся граф в виде сети, после связи графа ранжируются исходя из «сложности» перемещения взгляда из одного узла в другой и начинают сдвигаться.
Если будет время (сейчас я на больничном, потому можно было спокойно заняться развлечениями), я напишу подробнее о принципах, по которым происходит построение модели и ранжирование связей.
для этого нужно включить в алгоритмы нормирование не только лица, но и сиськи, а я — увы — ещё не научился их динамически выделять с помощью алгоритмов из картинки)
существует понятие точки входа в обозреваемое пространство и эта точка редко находится в центре — обычно глаз динамически выделяет некую рамку и начинает двигаться от её края «зацепляясь» за цветовые перепады (не обязательно контрасты).
По поводу же визуализации — при всём желании модель не может создать такую же тепловую карту, как при eye tracking (et): максимум возможности — это выделить потенциальные векторы перемещения взгляда от одной точки к другой и сделать тепловую карту для времени концентрации внимания на какой-либо точке. Валидировать же полученую модель с помощью eye tracking можно и нужно: подтверждением модели является совпадение интенсивных участков тепловой карты et с выделеными участками на тепловой карте модели и разброс векторов треков et с углом, соответствующим направляющим на динамической визуализации. Причём во втором случае требуется ещё и совпадение направления взгляда (от светлых сегментов к тёмным).
я сейчас доделываю программку, рисующию динамическую визуализацию. Когда доделаю — буду думать, что с нею делать дальше.
По поводу нормирования — контраст уже учитывается в модели: модель обрабатывает так называемые «ловушки внимания». К сожалению, алгоритм ищет только положительные аттракторы и не обрабатывает негативные, возможно из-за этого тепловая карта сбоит на сложных изображениях.
ru.wikipedia.org/wiki/Зрение_человека
ru.wikipedia.org/wiki/Психология_восприятия_цвета
www.koob.ru/schiffman/sensation_and_perception — Шиффман, «Ощущение и восприятие»
www.rosmedic.ru/nevrologiya-i-neyrohirurgiya/glaz-mozg-zrenie.-hyubel-d.html Хьюбел, «Глаз, мозг, зрение»
student.km.ru/ref_show_frame.asp?id=5DD14EB8899240F28869320866061BC9 — возникновение иллюзий
в яндексе
ну и как доведу до ума программку, видимо сделаю web сервис
static.diary.ru/userdir/1/9/4/9/19490/40505168.png
психологический аспект, как уже говорил, не учитывается)
Если будет время (сейчас я на больничном, потому можно было спокойно заняться развлечениями), я напишу подробнее о принципах, по которым происходит построение модели и ранжирование связей.
По поводу же визуализации — при всём желании модель не может создать такую же тепловую карту, как при eye tracking (et): максимум возможности — это выделить потенциальные векторы перемещения взгляда от одной точки к другой и сделать тепловую карту для времени концентрации внимания на какой-либо точке. Валидировать же полученую модель с помощью eye tracking можно и нужно: подтверждением модели является совпадение интенсивных участков тепловой карты et с выделеными участками на тепловой карте модели и разброс векторов треков et с углом, соответствующим направляющим на динамической визуализации. Причём во втором случае требуется ещё и совпадение направления взгляда (от светлых сегментов к тёмным).
По поводу нормирования — контраст уже учитывается в модели: модель обрабатывает так называемые «ловушки внимания». К сожалению, алгоритм ищет только положительные аттракторы и не обрабатывает негативные, возможно из-за этого тепловая карта сбоит на сложных изображениях.