项目名称: 基于视觉注意与眼动跟踪的地图认知计算模型与方法研究

项目编号: No.41471382

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 天文学、地球科学

项目作者: 董卫华

作者单位: 北京师范大学

项目金额: 84万元

中文摘要: 地图认知计算是现代地图学与地理信息科学领域的一个重要研究课题。当前相关研究主要是基于自然场景的视觉注意计算,考虑了空间目标颜色、密度、方向等信息,但没有考虑地图空间目标颜色、符号、注记等组合的几何形态复杂性与目标图形结构差异对用户视觉注意的刺激,以及任务与地图知识对用户视觉注意的引导。为此,本项目基于人脑视觉注意机制与眼动跟踪技术,将复杂的地图认知计算问题分为自底而上刺激驱动与自顶而下任务引导两个层次的视觉注意过程,并分别研究这两个层次的定量计算模型与方法,主要包括:(1)地图视觉显著性计算模型;(2)用户任务与地图知识语义度量方法;(3)眼动实验方案设计与眼动特征参数提取;(4)地图认知综合计算模型与评价方法。本项目一方面将建立更准确、合理的地图认知计算模型与方法,揭示地图空间认知规律;另一方面,提出的模型与方法可延伸应用于人机交互地图适人化设计、表达与智能决策等方面。

中文关键词: 认知计算;地图认知;视觉注意;眼动跟踪;地图认知评价

英文摘要: The computation of map cognition is one of the most important topics of Cartography and Geographical Information Science. Related works mainly focus on natural scene's visual attention process integrating color, orientation, size and orientation while ignoring visual information of graphic structure and geometric complexity of map shape, symbol, annotation and their combination. Influence of user task and map knowledge of guiding visual attention is also not been taken into consideration in relevant models. Based on visual attention mechanism and eye tracking technology, this project divides map cognition computation into two parts: the bottom-up (stimulus-driven) and top-down (task-guiding) visual information processes and investigate the computation models of the two processes. The research content mainly include: (1) computational modeling map visual saliency; (2) semantic measurements of user task and map knowledge; (3) design of eye tracking experiments and extraction of eye movement features; (4) comprehensive computation modeling of map cognition. The goal of this project is to develop a more accurate and reasonable computational model of map cognition to support humanization visualization of interactive maps, automated understanding and transferring of geographical information and intelligent interaction and decision making.

英文关键词: cognitive computation;map cognition;visual attention;eye tracking;map cognitive evaluation

成为VIP会员查看完整内容
5

相关内容

【博士论文】基于深度学习的单目场景深度估计方法研究
【博士论文】视觉语言交互中的视觉推理研究
专知会员服务
62+阅读 · 2021年12月1日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
31+阅读 · 2021年3月17日
Python编程基础,121页ppt
专知会员服务
48+阅读 · 2021年1月1日
基于视觉的三维重建关键技术研究综述
专知会员服务
161+阅读 · 2020年5月1日
混合增强视觉认知架构及其关键技术进展
专知
2+阅读 · 2021年11月20日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
计算机视觉方向简介 | 多视角立体视觉MVS
计算机视觉life
15+阅读 · 2019年10月10日
计算机视觉方向简介 | 三维重建技术概述
计算机视觉life
26+阅读 · 2019年6月13日
弱监督视觉理解笔记(VALSE2019)
极市平台
27+阅读 · 2019年4月23日
计算机视觉方向简介 | 基于单目视觉的三维重建算法
计算机视觉life
31+阅读 · 2019年4月9日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
17+阅读 · 2021年3月29日
Deep Learning in Video Multi-Object Tracking: A Survey
Arxiv
58+阅读 · 2019年7月31日
Arxiv
11+阅读 · 2018年5月21日
小贴士
相关VIP内容
【博士论文】基于深度学习的单目场景深度估计方法研究
【博士论文】视觉语言交互中的视觉推理研究
专知会员服务
62+阅读 · 2021年12月1日
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
31+阅读 · 2021年3月17日
Python编程基础,121页ppt
专知会员服务
48+阅读 · 2021年1月1日
基于视觉的三维重建关键技术研究综述
专知会员服务
161+阅读 · 2020年5月1日
相关资讯
混合增强视觉认知架构及其关键技术进展
专知
2+阅读 · 2021年11月20日
图像描述生成研究进展
专知
1+阅读 · 2021年3月29日
计算机视觉方向简介 | 多视角立体视觉MVS
计算机视觉life
15+阅读 · 2019年10月10日
计算机视觉方向简介 | 三维重建技术概述
计算机视觉life
26+阅读 · 2019年6月13日
弱监督视觉理解笔记(VALSE2019)
极市平台
27+阅读 · 2019年4月23日
计算机视觉方向简介 | 基于单目视觉的三维重建算法
计算机视觉life
31+阅读 · 2019年4月9日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员