Oluşturulmuş sanal gerçeklik ortamlarında görsel dikkat-çekerliğin derinlemesine bir analizi

Görsel dikkat-çekerlik, sanal gerçeklikte (VR) çeşitli amaçlar için kullanılırken, VR'deki dikkat-çekerlik mekanizmasını doğru bir şekilde anlama çabaları yetersiz kalmaktadır. Bu makalede, özellikle derinliğin ve gerçek zamanlılığın katkısına odaklanarak başa takılan ekranlar (HMD'ler) kullanılarak deneyimlenen sürükleyici VR'de görsel dikkat-çekerlik tahminine yönelik öğrenme tabanlı ve sezgisel tabanlı yaklaşımların kapsamlı bir karşılaştırmalı analizini sunuyoruz. Bu amaçla, çalışmamızın ilk bölümünde beş sezgisel tabanlı gerçek zamanlı RGB ve iki sezgisel tabanlı gerçek zamanlı RGB-D dikkat-çekerlik algılama yönteminin sanal ortamlarda 2D ve 3D görüntüleme koşullarında analizini veriyoruz. Elde ettiğimiz sonuçlar, sanal ortamların gerçek zamanlı dikkat-çekerlik tahmininde, nesneler ve arka planları arasındaki ilişkileri temel alan 2D özellikleri kullanan yöntemlerin diğer yöntemlere göre üstün olduğunu göstermiştir. İkinci bölümde, 2D ve 3D görüntüleme koşulları altında üç farklı sanal ortamdan elde edilmiş bir VR veri kümesi üzerinde öğrenme tabanlı üç RGB-D görüntü dikkat-çekerlik algılama yöntemi ve iki sezgisel tabanlı RGB-D görüntü dikkat-çekerlik algılama yöntemini kullanıyoruz. Ek olarak, sezgisel tabanlı bir RGB video dikkat-çekerlik algılama yöntemi ve bunun derinlik bilgisi eklenerek dönüştürülmüş versiyonunu dahil ederek analizimizi genişletiyoruz. Bu yedi yöntem kullanılarak elde edilen sonuçlar, VR'deki öğrenmeye dayalı RGB-D görüntü dikkat-çekerlik tahmin yöntemlerinin üstünlüğünü ortaya koyuyor ve sanal ortamların dikkat-çekerlik tahmininde derinlik bilgisinin önemini doğruluyor. Ek olarak, kullanıcıların 2D ve 3D izleme koşullarındaki izleme davranışlarını araştırıyor ve bir kullanıcı çalışması boyunca toplanan verileri kullanarak aralarındaki önemli farklılıkları ortaya koyuyoruz. Bulgularımız, her iki görüntüleme koşulunda da bir merkez yanlılığına işaret ediyor, ancak bunun 3 boyutlu görüntülemede daha belirgin olduğu görülüyor.