공간 지도에서 경로로
현저성은 어느 위치가 주시될 가능성이 높은지 나타낼 수 있지만 그 자체로 관찰 순서를 결정하지는 않는다. SALYPATH는 현저성 예측에 쓰는 특징을 주시 경로 예측에 활용한다.
특징의 재사용
딥러닝 모델이 현저성을 예측하며 얻은 표현에 주목한다. 단순히 지도에서 가장 큰 값을 차례대로 고르는 것과 특징을 이용해 경로를 학습하는 접근은 구별할 수 있다.
두 가지 평가 관점
경로가 관심 영역을 통과하는지와 실제 사람의 관찰 순서를 닮았는지는 다른 질문이다. 주시 분포의 정확도뿐 아니라 순서와 공간적 이동을 고려하는 평가가 필요하다.
다양한 경로의 가능성
가령 같은 표지 사진을 보아도 제목을 먼저 읽는 사람과 인물을 먼저 보는 사람이 있을 수 있다. 한 경로의 예측을 모든 관찰자가 따라야 할 유일한 순서로 해석해서는 안 된다.
관련 문서
DeepGaze III / TempSAL / ST-DiffEye / 현저성 예측 평가 / 신경망 / 컴퓨터 비전