La qualit´e de pr´ediction de fixation est mesur´ee par le taux de fixations
cor-rectes [Torralba et al., 2006] pr´esent´e au chapitre 3. Ce crit`ere permet d’´evaluer le
pourcentage de fixations localis´ees dans les zones saillantes extraites `a partir de la
carte de saillance. Comme nous utilisons trois mod`eles de programmation de
sac-cade diff´erents, nous obtenons trois jeux de fixations pr´edites diff´erents. Pour chaque
couple “image×sujet” dans le mod`ele “1M”, une carte de saillance est utilis´ee pour
mesurer le taux de fixations correctes pour 4 fixations. Dans le mod`ele “2M”, la
premi`ere carte de saillance permet de calculer le taux pour les 2 premi`eres fixations,
puis la deuxi`eme carte pour les 2 fixations suivantes. De la mˆeme fa¸con, chaque carte
de saillance sert au calcul d’une fixation dans le mod`ele “4M”. Nous remarquons
que pour le mod`ele “1M”, la carte de saillance d’une image est la mˆeme pour tous
les sujets. En revanche, ce n’est plus le cas pour les deux autres mod`eles.
Pour ce crit`ere, nous mesurons le taux de fixations correctes en fonction de
l’ordre des fixations pour ´etudier la variation temporelle de la qualit´e de la carte
de saillance. Pour chaque mod`ele, le taux de fixations correctes est calcul´e pour
plusieurs valeurs du param`etre α, contrˆolant la vitesse de d´ecroissance de l’´echelle
du filtre passe-bas spatialement variant. Plus α est petit, plus l’image se floute
rapidement avec l’excentricit´e. Afin d’´etudier l’influence de ce param`etre sur les
mouvements oculaires, nous le faisons varier dans un large ´eventail de 0.5◦ `a l’infini.
Cette derni`ere valeur correspond `a une ´echelle uniforme, qui peut servir du mod`ele
de base pour comparer `a d’autres valeurs α. En total, nous avons test´e 6 valeurs du
param`etre α : 0.5◦, 1◦, 2◦, 2.3◦, 4◦ etInf. La valeur 2.3◦ est celle optimale d’apr`es
la litt´erature [Geisler et al., 2006; Perry, 2002].
5.1.1 Comparaison entre les trois mod`eles
La figure 5.10a,b,c repr´esente les taux de fixations correctes pour les trois mod`eles
calcul´es sur les 4 premi`eres fixations. Pour chaque mod`ele, les r´esultats sont montr´es
pour diff´erentes valeurs du param`etresα. Le mod`ele “1M”, qui utilise une seule carte
de saillance pour pr´edire les 4 fixations, joue le rˆole de mod`ele de base. Cette strat´egie
semble la moins efficace. En partageant avec “1M” le mˆeme r´esultat pour les deux
premi`eres fixations, le mod`ele “2M” rend un meilleur taux de fixations correctes
pour la troisi`eme fixation.
Le mod`ele “4M” am´eliore encore les r´esultats. La qualit´e de pr´ediction du mod`ele
a nettement ´et´e am´elior´ee `a la deuxi`eme, troisi`eme et quatri`eme fixation par rapport
au mod`ele “1M” et “2M”. Ce mod`ele vise `a calculer une nouvelle carte de saillance
pour pr´edire chaque fixation. Ainsi, `a partir d’un point de vue, seule la fixation
suivante est programm´ee. Cette strat´egie semble la plus efficace.
(a) 1M (b) 2M
(c) 4M (d) Trois mod`eles
Fig. 5.10 – Le taux de fixations correctes de diff´erents mod`eles en fonction du rang
de la fixation et pour diff´erentes valeurs du param`etre α contrˆolant la vitesse de
d´ecroissance de l’´echelle : (a) mod`ele “1M” ; (b) mod`ele “2M” ; (c) mod`ele “4M” ;
(d) Les trois mod`eles pour α= 2 et α= 2.3.
La diff´erence de qualit´e entre les mod`eles est test´ee par le t-test (cf. chapitre 3). A
titre d’exemple, pour α= 2, nous observons une diff´erence significative entre “4M”
et “1M” (t-test,p= 8.6985e−6,p= 4.8524e−4 etp= 5.9309e−5 respectivement
pour la 2`eme, 3`eme et 4`eme fixation) (“2M” partage le r´esultat `a la fois de “1M” et
“4M” sauf la 4`eme fixation ; pourtant `a cette derni`ere, le r´esultat de “1M” et “2M”
est presque le mˆeme). Cela montre que la r´einitialisation de point de vue a
significa-tivement am´elior´e le r´esultat. Parmi ces mod`eles, “4M” a donn´e le meilleur r´esultat.
La performance du mod`ele “2M” est interm´ediaire de celle de “1M” et celle de “4M”.
Le mod`ele “2M” correspond `a une programmation de 2 saccades en parall`ele
comme propos´e dans d’autres ´etudes sur les stimuli artificiels [Becker and J¨urgens,
1979; Hooge and Erkelens, 1998; McPeek et al., 2000]. N´eanmoins, la programmation
en parall`ele ne semble pas correspondre aux donn´ees exp´erimentales lors de
l’explo-ration libre de sc`enes naturelles. Si la programmation de saccades en parall`ele avait
exist´e, le taux de fixations correctes aurait ´et´e meilleur pour le mod`ele “2M” par
rapport au mod`ele “4M” `a la deuxi`eme et `a la quatri`eme fixations. Pourtant, dans
notre exp´erience, la r´einitialisation du point de vue apr`es chaque saccade ou la
pro-grammation d’une seule saccade constitue la strat´egie la plus efficace. Les meilleurs
taux de fixations correctes sont obtenus pour le mod`ele “4M”. En r´esum´e, nous
pou-vons dire que lors de l’exploration d’une sc`ene naturelle, les sujets planifient leurs
saccades les unes apr`es les autres, de mani`ere s´equentielle.
Une autre conclusion que nous pouvons tirer `a partir des r´esultats est que la
capacit´e de pr´ediction de fixation des cartes de saillance diminue au cours du temps.
La diminution la plus forte est observ´ee pour le mod`ele “1M”. Cette diminution
est plus lente pour le mod`ele “2M” et plus encore pour le mod`ele “4M” due `a la
r´einitialisation du point de vue. Ce ph´enom`ene s’explique par l’effet des facteurs
de haut niveau au cours du temps. Comme nous avons dit au chapitre pr´ec´edent,
bien que l’influence des facteurs de bas niveau ne change pas, celle des facteurs de
haut niveau augmente fortement. Cela p´enalise la qualit´e de pr´ediction de notre
mod`ele qui se base principalement sur les facteurs de bas niveau. N´eanmoins, notre
mod`ele de saillance pr´edit bien des fixations, du moins, pour les premi`eres fixations
lors d’une exploration libre. Le taux de fixations correctes est toujours largement
sup´erieur `a la valeur du hasard qui est de 20%.
5.1.2 Influence du param`etre contrˆolant la vitesse de d´ecroissance de
l’´echelle
Les r´esultats de la figure 5.10 montrent l’effet du param`etre α contrˆolant la
vi-tesse de d´ecroissance de l’´echelle sur le taux de fixations correctes pour les trois
mod`eles. La diff´erence de taux de fixations correctes entre plusieurs valeurs de α
dans le mod`ele “4M” semble la plus claire. D’abord, il existe une diff´erence entre
le mod`ele avec filtre passe-bas spatialement variant et celui qui ne l’a pas (α ´egal
`a l’infini). En utilisant le t-test, nous avons trouv´e une diff´erence significative entre
le taux de fixations correctes pour α = Inf et celui pour chacune des autres
va-leurs de ce param`etre (sauf α = 0.5 pour la troisi`eme fixation et α = 4 pour la
quatri`eme). En tous les cas, en regardant la figure 5.10, nous pouvons voir un ´ecart
net entre le mod`ele sans filtre passe-bas spatialement variant et celui avec. Alors,
l’impl´ementation de la variation de l’´echelle des stimuli permet d’augmenter la
qua-lit´e du mod`ele de programmation de saccade. Pourtant, entre les valeurs α de 0.5 `a
4, il n’y a pas de diff´erence significative sauf `a la premi`ere fixation pour certains cas
(t-test, p= 0.0137 entre α= 0.5 et α= 1 ; p= 2.0610e−004 entreα= 1 et α= 4 ;
p= 0.0261 entre α= 2 et α= 4 ; p= 0.0458 entre α= 2.3 et α= 4).
De plus, la figure 5.10 montre que le mod`ele pourrait obtenir le meilleur r´esultat
pour les valeurs de α pr`es de 1◦ ou 2◦. La valeur biologique 2.3◦, qui a ´et´e r´ev´el´ee
dans la litt´erature [Geisler et al., 2006; Perry, 2002], donne elle aussi un bon taux
de fixations correctes et tr`es proche de celui de α = 2 (Fig. 5.10d). Le mod`ele qui
n’int`egre pas le filtre passe-bas spatialement variant (α = Inf) ou dans lequel la
d´ecroissance de l’´echelle est trop rapide (α = 0.5) ne pr´edit pas bien les saccades ou
les fixations des sujets.
Dans le document
Développement et mise en oeuvre de modèles d'attention visuelle
(Page 129-132)