基于与年龄相关的特征预测老年人视觉注意力的计算方法

《Multimodal Technologies and Interaction》：Computational Method for Predicting Visual Attention in Older Adults with Age-Related Features

　　

与年龄相关的视觉感知变化会改变注意力部署，然而视觉注意力的计算模型几乎完全仅在年轻人群中得到验证。这限制了对年龄特异性机制的理论研究以及年龄包容性设计的实际应用，在这些应用中，研究人员依赖专门的眼动追踪设备来观察此类差异。因此，研究人员提出了老年人视觉注意力估计（Elderly Visual Attention Estimation, EVAE）模型，这是一个通过结合刺激驱动图像特征与年龄特异性自上而下先验来预测老年人早期视觉注意力定向的计算框架。该框架从跨年龄眼动追踪数据中建模老年人视觉注意力的六个维度：颜色亮度敏感性、中心偏向、前景-背景区分、深度检测、早期注意先验和持续注意空间先验。在公开数据集上，EVAE实现了0.92的AUC-Judd，优于现有显著性模型和深度学习方法（如DeepGaze II）。该框架针对128×96像素的输入分辨率进行优化，生成注视概率图，并通过上采样匹配原始刺激分辨率以用于实际界面评估。跨年龄验证确认了该模型的特异性，因为EVAE可预测老年人的注意行为，但不适用于年轻人。消融研究表明，图像特征和自上而下空间先验各自独立贡献于预测准确性，且仅靠自下而上显著性无法解释与年龄相关的注意模式。中心偏向和早期注意先验是最强的预测因子，表明视觉老化涉及对空间策略和补偿性加工的更大依赖。作为硬件眼动追踪的替代方案，EVAE拓宽了对老年人视觉注意力的实证研究范围，并为可访问数字界面的设计提供信息。

**研究背景、问题与目标**
老年人视觉感知的年龄相关变化会改变注意力部署模式，表现为视觉敏锐度和加工速度下降，以及依赖背景信息和改变扫描策略等行为转变。这些感知变化对人机交互构成挑战，因为理解老年人如何处理视觉信息对于设计无障碍系统至关重要。然而，现有的视觉注意力计算模型几乎完全针对年轻人群校准，限制了对年龄相关感知机制的理论理解和年龄包容性设计的实际能力。既往研究已识别出影响老年人视觉注意力的年龄相关特征，如颜色敏感性降低、中心偏向增强、前景-背景区分改变等，但这些特征被孤立研究而非作为注意行为的整合组件。现有模型依赖针对年轻人群优化的自下而上和自上而下加工框架，无法解释认知老化特征性的图示驱动加工补偿性转变。年龄特异性数据集的缺乏限制了模型发展。尽管眼动追踪可提供真值数据，但无法为大规模评估年龄包容性界面或整合到设计工作流中提供可扩展解决方案。为填补这一空白，研究人员开发了老年人视觉注意力估计（Elderly Visual Attention Estimation, EVAE）模型，这是一种无需眼动追踪设备即可从图像特征预测老年人视觉注意力模式的计算方法。论文发表在《Multimodal Technologies and Interaction》。该工作有两项贡献：（1）识别并验证了老年人视觉注意力的关键决定因素，中心偏向和早期注意先验影响最强；（2）提出一种专门针对老年人视觉注意力的新型计算方法，在公开数据集上AUC-Judd达到0.92，超越多种最先进模型。

**关键技术方法**
研究人员采用了一套融合六种特征的计算框架：颜色亮度通过亮度加权灰度转换模拟年龄相关敏感性降低；中心偏向通过自适应定位（结合几何中心与显著物体质心）生成二维高斯图；前景-背景区分使用分层抠图算法，并反向加权背景区域以反映老年人注意分布；深度检测采用基于Transformer的分层深度估计（AdaBins架构，v1.0权重发布）生成概率加权深度图；早期注意先验从训练数据中提取刺激开始后2秒内的注视统计，生成4×4网格区域权重分布；持续注意空间先验累积整个观看时长的注视停留时间，生成相同网格的全局空间模板。所有特征图被归一化并融合为六维像素级特征向量，输入概率梯度提升机（Probabilistic Gradient Boosting Machine, PGBM）进行非线性监督学习，预测注视概率。模型在128×96像素分辨率上训练，输出经上采样至原始分辨率。样本队列来源于Acik等人收集的公开年龄分层眼动追踪数据集，包含17名老年人（M_age=80.6岁）观看255幅彩色图像的注视数据。

**研究结果**
**5.1 特征影响**
通过SHAP值分析特征重要性，中心偏向（SHAP=4.28）和早期注意先验是主导贡献者；前景-背景区分和深度检测影响较弱。像素级SHAP热图显示中心偏向和早期注意先验的影响集中在中央区域，与老年观察者的中心偏向注视模式一致。散点图进一步确认中心偏向和早期注意先验在高显著性像素上的优势。

**5.2 定性评估**
预测显著图与真值注视分布在各类场景中高度一致：自然场景中高对比区域（纹理、边界）匹配良好；人造场景中热点位于前景结构（车辆、建筑）；分形场景准确再现分散注视模式；粉红噪声场景中尽管缺乏局部显著性特征，但预测表现出明显的中心集中，验证了中心偏向模块的有效性。

**5.3 模型有效性**
EVAE在六种指标上表现优异：AUC-Judd在多数分辨率下稳定在0.93（粉红噪声场景最高0.95）；归一化扫描路径显著性（Normalised Scanpath Saliency, NSS）在中分辨率稳定，粉红噪声场景峰值2.93；皮尔逊相关系数（Correlation Coefficient, CC）稳定在0.44-0.54，粉红噪声和自然场景较高；KL散度（Kullback-Leibler Divergence, KLD）最小在粉红噪声场景（1.14）；相似度（Similarity, SIM）最高在粉红噪声（0.48）和自然场景（0.44）；地球移动距离（Earth Mover’s Distance, EMD）最低在粉红噪声（1.63）。年龄特异性验证表明，模型在老年组AUC-J为0.92，显著高于儿童（0.83）和年轻成人（0.81），NSS、CC、EMD均优于其他年龄组。与传统模型（Itti、GBVS、Patch）相比，EVAE在老年组表现显著提升（AUC-J 0.57-0.92）；与DeepGaze II相比，EVAE在相同低分辨率下AUC-J 0.92 vs 0.41，且DeepGaze II在原生分辨率也仅0.68。消融研究表明，仅用图像特征（颜色、前景背景、深度）性能最低（AUC-J 0.51）；仅用中心偏向达0.83，但KLD高（7.05）；仅用注视先验（早期注意和持续注意）建立强基线；完整模型（六项特征）达到最优（AUC-J 0.92，EMD 1.78）。

**讨论与结论**
讨论部分总结：通过系统特征分析和计算建模，研究人员推进了对老年人视觉注意力的理解。SHAP分析确定中心偏向和早期注意先验是注视模式的主导因素。EVAE模型实现92%预测准确率，为老年早期视觉注意力估计建立专门框架，在工效学和人机交互研究中提供可扩展、成本效益高的替代方案。特征重要性分析表明，老年注意力表现出对自上而下保守空间策略的更大依赖，这与补偿机制理论一致。中心偏向即使在抽象分形图像中也持续存在，表明空间偏好是基本视觉策略。与DeepGaze II的比较凸显通用模型在老龄人群中的领域偏差。模型局限包括：仅使用单一公共数据集，未充分考虑认知多样性；注视密度的高斯建模可能不足；当前针对静态图像，未涵盖动态界面元素。未来方向包括扩展至视频内容、整合年龄相关光学变化模型、探索多尺度架构。
结论部分翻译：研究人员提出了EVAE模型，一种整合六项经验验证感知特征来预测老年人视觉注意力的计算方法。与通用显著性模型不同，EVAE明确纳入年龄特异性机制，包括颜色敏感性降低和补偿性空间策略。关键发现表明，老年人视觉注意力不仅是年轻注意力的退化版本，而是一个受补偿策略影响的独特过程。通过基于SHAP的可解释性分析，结果表明中心偏向和早期注意先验（代表早期定向空间先验）是老年注视模式的主导预测因子。这证实了研究人员的假设：随着自下而上感觉加工衰退，老年人越来越依赖自上而下的保守空间策略。该方法在老年数据集上实现了强性能（AUC-Judd=0.92），显著优于针对年轻人群训练的深度学习基线。该工作的意义延伸至理论研究和实际应用。理论上，研究人员为老化视觉中的“加工速度-准确性权衡”提供了计算证据，量化了生理约束如何塑造注意力部署。实践中，EVAE为设计师和工效学家提供了一种可扩展、成本效益高的工具，无需专门眼动追踪设备即可评估界面可访问性。