Как работает реляционное управление вниманием при визуальном поиске: исследование

Введение в механизмы визуального внимания

Люди и другие организмы сталкиваются с чрезвычайно сложной визуальной информацией, из которой они должны выбирать релевантную для текущей ситуации информацию. Избирательное визуальное внимание — это механизм, который обеспечивает эффективный визуальный отбор в сложных поисковых средах. Внимание традиционно исследовалось в задачах визуального поиска, в которых наблюдатели ищут единственный целевой объект, часто определяемый конкретным признаком или комбинацией признаков.

Что такое поисковые шаблоны?

Большой объем литературы показал, что поиск relies on "шаблоны" — representations в памяти, которые содержат комбинацию релевантных целевых признаков. Шаблоны часто предполагалось кодирующими specific target features, например, цвет или ориентацию цели. Когда фактические признаки цели отклоняются от шаблона, эффективность поиска снижается. Более specific target templates также, кажется, лучше защищают систему от interference от salient distractors. С этой точки зрения кажется разумным предположить, что поиск является наиболее эффективным, когда шаблон может быть настроен как можно точнее, чтобы closely match the target features. Далее мы используем термин "feature-specific account" (учет специфических признаков) для обозначения этой идеи.

Реляционный подход к поисковым шаблонам

Недавние исследования revealed, что самый specific template может быть не всегда самым эффективным. Эксперименты показали, что шаблоны, кодирующие "relational properties" (реляционные свойства) цели по отношению к контексту (например, цель является "краснее", чем объекты в окружающей среде), могут наиболее эффективно facilitate search. Беккер и коллеги назвали это "relational account" (реляционным подходом) к целевым шаблонам в визуальном поиске.

Например, в задаче визуального поиска Мартина и Беккера наблюдатели искали одну цель, определенную цветом, в присутствии similarly shaped nontargets и differently shaped distractor, и сообщали о цели, идентифицируя букву, представленную внутри целевой формы.

Нетаргеты устанавливали color-context, делая цель, например, "более синей", чем окружение, и кодируя это target–context relationship в relational template. Цвет дистрактора систематически varied чтобы создать либо match в relational properties с целью, либо mismatch. В одном условии и цель, и дистрактор были "более синими" (по blue–green scale), чем окружающие нетаргеты, причем дистрактор был "самым синим" объектом, поэтому согласуясь даже лучше, чем цель, с потенциальным relational "bluer" target template. В другом условии дистрактор был "более зеленым", чем both нетаргеты и цель, что делало его противоположным relational target template. Как и предсказывал relational account, search times замедлялись дистрактором, который matched relational properties цели, тогда как дистрактор с similar feature distance — и, следовательно, той же relevance согласно feature-specific account — в opposite direction не оказывал никакого эффекта на target search.

Методология исследования

Дизайн эксперимента

Эксперимент состоял из четырех условий в within-subject design, где цвет дистракторов varied как описано выше. Внутри одного блока все четыре условия randomly repeated три раза, что приводило к 12 trials в каждом блоке. Каждому участнику randomly assigned одно target colour-condition, так что около половины participants собирали aqua-coloured targets, а около половины собирали olive-coloured targets на протяжении всего эксперимента (включая practice trials). Каждые два блока target shape switched.

Задача участников

Задача participants состояла в том, чтобы собрать 1000 очков как можно быстрее, clicking на цели мышью. За каждую собранную цель participants получали одно очко. Собранная цель исчезала. Нетаргеты и дистракторы не были collectable и уменьшались до 20% от их original size при нажатии (возвращаясь к normal size в течение 50 мс), что приводило к quick flicker. Нажатие на нетаргеты или дистракторы не вычитало и не добавляло очков. Участники могли покинуть каждый patch whenever they wanted с "travel time" (до следующего patch) в 1000 мс, clicking на кнопку "Next" в правом верхнем углу дисплея. Когда все цели были собраны, следующий patch представлялся automatically после 1000 мс. Перед началом эксперимента были включены четыре practice trials.

Результаты исследования

Скорость возврата (Rate of Return)

Скорость возврата (RoR) в элементах в секунду — это количество элементов, собранных в patch, деленное на время, проведенное в patch (плюс "время перемещения", в нашем случае фиксированная длительность 1 с). Таким образом, RoR отражает производительность с точки зрения скорости, с которой participants forage в условии. Relational и Similar дистракторные контексты оба привели к low rates of return примерно в один элемент в секунду. Разница между ними была статистически незначимой. Аналогично, Nontarget и Opposite дистракторные контексты имели comparable rates of return (около 1,1 элемента в секунду). Разница между ними также была незначительной. Однако условия Opposite и Nontarget показали significantly higher rates, чем условия Relational и Similar.

Количество оставленных целей

В условии Relational distractor proportion of targets left behind был самым высоким. Он statistically differed от всех других условий. В условии Similar distractor estimate был somewhat smaller, но foragers с большей вероятностью оставляли цели, чем в условиях Nontarget и Opposite. Условия Nontarget и Opposite distractor показали самые низкие proportions of targets left behind. Разница между ними была virtually zero.

Обсуждение результатов

Настоящее исследование предоставляет evidence что target selection в foraging patches guided в relational manner. Дистракторы, чей цвет differed от окружения в том же direction, что и цели, reduced foraging efficiency в той же степени, что и дистракторы, чей цвет matched target colour. Дистракторы, которые differed на то же colour distance, но в opposite direction от target colour, не reduce efficiency. Эти findings provide evidence что search templates encode relational target features в naturalistic search tasks и suggest что attention guidance на основе relational features является common mode в dynamic, real-world search environments.

Теоретическая значимость

Реляционное руководство может помочь визуальной системе компенсировать effects varying lighting, perspective, и distance, которые делают templates с exact feature values unreliable при natural viewing conditions. Это исследование расширяет предыдущие findings демонстрируя relational guidance в более naturalistic, dynamic, и continuous task, такой как visual foraging.

Заключение

Результаты этого исследования имеют важное значение для понимания того, как люди ориентируются и взаимодействуют с complex visual environments. Понимание механизмов relational guidance может помочь в разработке более эффективных интерфейсов систем визуального поиска, систем augmented reality и робототехники. Дальнейшие исследования должны изучить neural mechanisms, лежащие в основе relational guidance, и как эти mechanisms могут быть modulated опытом и обучением.