SID4VAM : A Benchmark Dataset with Synthetic Images for Visual Attention Modelling | Notion

Visual Saliency를 위한 dataset 분석 및 새로운 데이터셋 제작!
연구 주제는 "Are all eye movements equally valuable for determining saliency?"
이전에 있던 Dataset들과 Saliency관련 딥러닝 모델들은 Low-level feature에 집중하지 않았다.
15개 타입의 low-level feature (including free-viewing stimuli) + 각각의 feature 카테고리마다 7개의 Feature Contrast

SOTA 딥러닝 모델들은 synthetic pattern 이미지에서 좋은 성능을 내지 못했다. 오히려 Spectral/Fourier inspiration 기법들이 saliency metric에서 더 좋은 성능을 냈고, 또 human psychophysical 실험에서 더 일관적인 성능을 보였다.
이는, SOTA 딥러닝 모델들을 트레이닝 하기 위해서는 새로운 데이터셋이 필요하다는 점을 제안하는데, 그것을 위해 이 연구에서 새로운 데이터 셋을 만들었다고 이해할 수 있다.