1-я экскурсия по глазу — 2 Восприятие — 3 Геометрия обзора — 4 Отслеживание глаз — 5 Как привлечь внимание — 6 Имитация отслеживания взгляда Часть шестая, заключительная.
Рассказ непосредственно о принципах моделирования айтрекинга, а также о том, как его можно применить в реальной жизни.
В этой части числа и принципы, рассмотренные в третий , четвертый И пятый посты.
Какие модели отслеживания взгляда представляют интерес?
Как обсуждалось в части 4, существует прямая связь между временем, потраченным на просмотр определенной области изображения, и степенью внимания, уделяемого этой области человеческим разумом.Как минимум, если человек не осознает, на что он смотрит, он это точно запомнит! Поэтому одним из видов моделирования является создание тепловой карты продолжительности просмотра или информации о возможности долгосрочного изучения какой-либо области изображения.
Еще один интересный тип модели — динамика саккад: диаграмма, показывающая, в какую точку устремится взгляд человека, если он сейчас смотрит на текущую.
Анализируя диаграммы этого типа, вы можете понять, какие части изображения кажутся наиболее важными при просмотре.
Объединив диаграмму динамики с тепловой картой, можно понять, какие побочные детали могут отвлечь взгляд человека от того, что он считает самым важным.
Границы применимости моделирования
Только психологически нейтральные изображения хорошо подходят для моделирования саккад. : Эмоционально заряженные картины существенно смещают центры притяжения внимания.Например, при рассматривании плачущего ребенка взгляд человека неизбежно будет уделять больше внимания изучению выражения лица, чем боковым контурам.
Этот же фактор означает, что взгляд человека чрезвычайно индивидуален: если конкретный человек неравнодушен к голубям, то при просмотре фотографии с голубями он, несомненно, будет двигать взглядом иначе, чем человек, равнодушный к птицам.
Наличие на изображении (пусть даже психологически нейтральном) мелких, но узнаваемых контуров (лиц людей, текстовых символов и т. д.) ставит задачу предварительного распознавания изображений этих контуров.
В программе, вдохновившей на написание этого руководства, вообще нет распознавания, а только оценка сложности восприятия контура.
Но вывод таков качество распознавания изображений существенно улучшает соответствие модели данным, полученным при реальном айтрекинге, а отсутствие может привести к фатальным несоответствиям должно быть сделано.
Имитация хорошо работает для ситуаций просмотра картинки без какой-либо цели, без заданной задачи.
В случае просмотра изображения с определенной целью роль распознавания образов возрастает, влияя на силу восприятия контуров.
Где это может быть применимо?
При ознакомлении с пределами применимости моделей возникает закономерный вопрос: «А где при таких-то ограничениях это можно применить в реальной жизниЭ» А Это применимо в широком классе задач, в первую очередь связанных с анализом текста..
Как известно, на восприятие текста сильно влияет его форматирование, количество пустых мест между абзацами, словами и символами, стиль шрифта и т. д. Текст изначально, до обработки, представляется психологически нейтральной картинкой, идеальной для анализа методами саккадного моделирования.
Эта же тепловая карта показывает, какие слова, абзацы и другие текстовые единицы запоминаются с наибольшей вероятностью, поскольку им уделяется больше внимания из-за форматирования текста.
А с другой стороны, можно понять, какие блоки текста из-за того же форматирования выпадают из внимания из-за попадания в зону неразличимости.
Помимо анализа восприятия текстов модели могут хорошо работать для поиска оптимальных областей восприятия (что-то показать - рекламный блок) или невосприятия (что-то скрыть - контактный телефон) ;)
Ну и не надо полностью исключать класс задач быстрого анализа изображений с целью юзабилити-тестирования.
Доступ к «взрослой» системе айтрекинга и десяти людям из фокус-группы зачастую является непозволительной роскошью.
Как это работает
Моделирование векторов саккад на самом простом уровне (т.е.так, как это работает у меня) состоит из решения двух задач:
- Расчет определенной «силы восприятия» для заданной области.
- Нахождение и выделение глазных ловушек на основе информации о «весе» центра внимания.
- Выбор необходимой площади в соответствии с углом оптического восприятия глаза;
- Нормализация выделенной области в соответствии с параметрами остроты зрения человека (поэтому размытие по Гауссу здесь не совсем применимо);
- Выделение контуров с помощью частотного анализа и пороговых значений восприятия (для нас на данном этапе важны не столько сами контуры, сколько их примерные очертания; вполне подойдут фильтры Габора);
- Выявление нарушений непрерывности контуров и нормализация точек разрыва с помощью алгоритма Гласса (для нахождения векторов субъективных контуров и дополнения их объективными контурами);
- Расчет веса зоны на основе количества смен направления, дисперсии направлений контурных векторов и количества точек излома.
А для второй задачи нам нужны не точные цифры, а их относительный вес.
Поэтому вместо функции сложности контура можно взять ее производную.
А производная в его случае пропорциональна составу координат ребер отрезков в радиальных координатах.
Соответственно, задача определения сложности контура может быть сведена к нахождению количества пересечений контуров с большим количеством радиальных хорд. Опыт показывает, что при малых размерах радиуса (в случае 96dpi радиус зоны острого зрения будет около 18 пикселей, а исследуемая область с учетом периферического зрения - 57) 9 радиальных хорд с шагом 20 градусов достаточны для приемлемого расчета веса.
Уменьшение углового шага повышает точность определения порядка веса, но незначительно по сравнению с результатами, полученными с использованием классической модели расчета веса.
Тот же опыт показывает, что для разных dpi и, соответственно, разных радиусов зрительных зон имеет смысл использовать одну и ту же 18-лучевую модель с предварительной нормализацией области в виде сведения ее к кругу радиусом 30. пикселей.
По какой причине? О Разве более высокая точность вычислений не приводит в любом случае к лучшим результатам? А в связи с тем, что сама операция выделения контура имеет определенную погрешность, погрешность расчетов 18-лучевой модели сравнительно невелика по сравнению с погрешностью самого метода.
Вторую задачу – задачу выявления глазных ловушек – можно решить следующим образом:
- Сканирование всей площади картинки, выделение областей с максимальными весами
- Построение графа из найденных точек с установлением веса связей между ними
- Решение стандартной задачи на графе
Значение этого груза – продолжительность фиксации взгляда в найденной ловушке.
Другой подход — метод эластичного графа с установлением весов связей между точками.
Не буду касаться вопросов построения диаграмм на основе найденной информации ;) 1-я экскурсия по глазу — 2 Восприятие — 3 Геометрия обзора — 4 Отслеживание глаз — 5 Как привлечь внимание — 6 Имитация отслеживания взгляда Теги: #отслеживание глаз #восприятие #юзабилити #дизайн #программирование #здоровье
-
Как Сбросить Забытый Пароль Ноутбука Asus
19 Oct, 24 -
Немного О Развитии Онлайн-Общения
19 Oct, 24
