自然场景和艺术图像中的对称区域

《i-Perception》：Regions of symmetry in images of natural scenes and artworks

　　

镜像对称虽然在形状或图案的“优良性”中已被确立为重要贡献因素，但在更接近日常视觉环境的复杂图像中尚未得到广泛研究。通过这项研究，研究人员使用一种新颖的边界框方法，对200幅自然场景图像和200幅艺术作品图像进行了对称检测及其潜在过程的洞察。在一项大型在线研究中，901名参与者被要求通过将矩形边界框放置在图像上、调整至其感知到的对称区域，并标记矩形的两个轴之一作为主对称轴，来指示每幅图像内的对称区域。参与者可以根据需要标记任意数量的框，并且对于双重对称的情况，也可以使用同一个边界框标记两个正交轴。对于每个框，参与者还对区域的显著性(saliency)以及感知到的对称强度进行了评级。除了这些行为任务外，研究人员还要求参与者在另一个独立区块中对图像的审美吸引力进行评级。新方法在真实世界图像中复现了先前在点图案和几何形状中确立的垂直对称轴优势。此外，研究人员注意到，随着图像内框数量的增加，显著性、对称强度和框大小均出现下降。研究人员结合假设呈现了结果，并讨论了它们对更广泛的对称与美学文献的贡献，包括人类视觉与机器视觉的比较。

**论文解读：自然场景与艺术作品中的对称区域感知研究**

### 研究背景与动机
对称性在视觉感知中具有基础性地位，对知觉组织、形状检测、图形-背景分割以及审美体验均发挥着关键作用。然而，以往关于对称检测的研究大多集中于人工合成的点图案和几何形状，这类刺激虽控制严密，但缺乏真实场景中常见的语义内容、复杂背景和特征变异性，其结论能否推广至自然图像尚属疑问。真实世界图像中的对称往往不完美、嵌套且多尺度，传统行为范式（如迫选任务、分类任务）难以应对多对称区域并存的情况。因此，研究人员引入一种基于边界框的标注方法，允许参与者在复杂图像中自由标记感知到的任意数量对称区域，并记录每块区域的显著性、对称强度及对称轴方向，从而系统考察生态效度更高的对称检测行为。该研究还收集了超过39000条人类标注数据，构建了可用于基准测试的图像数据集，并比较了人类与深度学习模型（U-Net）在对称检测上的表现。

### 研究设计与方法
研究人员从多个公开数据库选取200幅自然场景图像（来源包括AADB、BSD、CAT2000、COCO、EVA、FLICKR-AES、Oxford 102 Flower、MemCat、MIRFLICKR25、VIU）和200幅艺术作品图像（取自LAPIS数据集），所有图像均预筛选以确保含有可感知的对称结构。901名参与者通过在线平台完成实验，每个参与者随机分配至艺术或自然场景条件，并平衡了两个任务区块的顺序：对称检测区块和审美评级区块。在对称检测区块中，参与者需在图像上绘制并调整矩形边界框，使其贴合所感知的对称区域，并指定矩形长轴或短轴作为对称轴，同时对该区域的显著性和对称强度进行五点量表评分；在审美区块中，参与者对图像的整体审美吸引力进行五点评分。数据处理采用贝叶斯多层模型（对数正态回归、序数逻辑回归）分析框序号与框大小、显著性的关系，并训练U-Net进行对称检测，计算加权F1分数与人类标注的匹配度。

### 研究结果
**H1：垂直对称轴最常被指示，相较于水平与对角线对称轴**
对对称轴方向进行分类统计发现，自然场景和艺术作品中的垂直对称轴比例最高（自然场景0.729，艺术作品0.739），水平轴次之，对角线轴极少。卡方拟合优度检验表明两种图像类型的轴分布均显著偏离均匀分布，支持了垂直优势在复杂图像中的复现。

**H2：对称强度与显著性评分呈正相关**
参与者对每个框给出的对称强度与显著性评分在两种条件下均显著正相关（自然场景Spearman ρ=0.532，艺术作品ρ=0.513）。高显著性区域往往同时具有较强对称性，表明两者共享知觉线索。

**H3：区域大小随框序号增加而减小**
贝叶斯对数正态多层模型显示，框序号（BoxNumber）对框面积（BoxSize）存在负向预测作用（自然场景β=-0.28，艺术作品β=-0.14）。较早标示的对称区域面积更大，后期标示的区域更小，符合“大区域先被注意”的假设。

**H4：区域显著性随框序号增加而降低**
贝叶斯序数逻辑回归分析表明，框序号的提高显著降低高显著性评级的概率（自然场景β=-0.32，艺术作品β=-0.22）。早期框多被评中高显著性，后期框则以最低评级为主，指示感知顺序对显著性判断的影响。

**H5：U-Net预测与高显著性、高强度区域对应更好**
以10像素宽掩膜评估U-Net对每个对称轴的检测精度，结果显示模型在人类标注为“高显著”和“强对称”区域上的准确性更高，说明人类主观评级与模型可检测的客观特征存在协同。

**H6：U-Net对自然场景的预测优于艺术作品**
在微调前，U-Net在合成数据上表现良好（加权F1=0.019），但泛化至自然和艺术图像时几乎失败（自然场景F1=0.026，艺术作品0.011）。使用人类数据进行微调后，两类图像的性能显著提升（自然场景0.430，艺术作品0.403），自然场景的改善更为明显。

**H7：审美评级不受任务顺序影响**
贝叶斯独立样本t检验显示，先进行对称检测再评审美与相反顺序的评分无显著差异（自然场景BF₁₀=0.120，艺术作品BF₁₀≈0.016），数据强烈支持零假设。进一步探索性分析中，对称框数量对单张图像审美评分的群体水平效应不显著，但参与者个体差异显著，基线评分高的参与者对框数增加呈负向敏感，基线评分低的参与者则反之。

### 讨论与结论
边界框方法有效处理了复杂图像中多对称区域共存的问题，允许参与者自由标注任意数量的对称区域，并同时收集强度与显著性数据。随机效应（图像和参与者）解释了大部分方差，凸显了该方法的生态效度。研究表明垂直对称优势在自然图像中依然存在，而对称强度与显著性紧密耦合，且区域大小和显著性随检测顺序递减。U-Net的微调证明了人类标注数据对改进深度学习模型的价值，但模型在艺术作品上的表现仍逊于自然场景，可能源于艺术作品的风格化与更高结构变异性。审美方面，图像内容而非单纯对称数量主导吸引力评价，且任务顺序无调节作用，表明视觉浏览的精细程度并不必然改变审美判断。总体而言，该研究为复杂场景对称检测提供了新工具和基准数据集，拓展了对称知觉理论的应用边界，并为人机视觉比较奠定了基础。