Vai trò của độ nổi bật thị giác và kiểm soát nhận thức trong chuyển động mắt khi tìm kiếm cảnh quan thực tế

Bs Ngô Hữu Thế
21.11.26
Last Updated

Nghiên cứu quan sát trên 8 sinh viên đại học tại Michigan State University (n=8) đã đánh giá giả thuyết về độ nổi bật thị giác (visual saliency) trong việc kiểm soát chuyển động mắt khi quan sát 36 ảnh chụp cảnh quan thực tế. Kết quả cho thấy các mô hình tính toán độ nổi bật không dự đoán chính xác vị trí hoặc trình tự các điểm cố định (fixations) của người quan sát trong các tác vụ tìm kiếm chủ động.

Cơ sở lý thuyết về kiểm soát ánh nhìn

Trong quá trình quan sát cảnh quan thực tế, mắt thực hiện các chuyển động nhanh gọi là saccades để tái định hướng vùng thị giác trung tâm (fovea). Thông tin hình ảnh chỉ được thu nhận trong các giai đoạn ổn định gọi là fixations. Kiểm soát ánh nhìn (gaze control) là quá trình điều hướng mắt theo thời gian thực để phục vụ các hoạt động nhận thức và hành vi. Nghiên cứu này tập trung vào hai giả thuyết đối lập: giả thuyết độ nổi bật thị giác (visual saliency hypothesis) cho rằng các điểm cố định được chọn dựa trên các đặc tính hình ảnh (bottom-up), và giả thuyết kiểm soát nhận thức (cognitive control hypothesis) cho rằng các điểm cố định được chọn dựa trên mục tiêu nhiệm vụ và diễn giải ngữ nghĩa của cảnh quan.

So sánh dự đoán của mô hình độ nổi bật với dữ liệu thực tế

Nghiên cứu đã sử dụng mô hình Itti và Koch (2000, 2001) để xác định các vùng nổi bật trong 36 ảnh. Dữ liệu chuyển động mắt được thu thập bằng thiết bị Fourward Technologies Generation 5.5 Dual Purkinje Image Eyetracker với tần số lấy mẫu 1000 Hz. Kết quả cho thấy tỷ lệ các saccades đi vào vùng nổi bật không khác biệt đáng kể so với mô hình ngẫu nhiên có kiểm soát (biased-random model). Mặc dù người quan sát có xu hướng giữ mắt tại các vùng nổi bật lâu hơn, nhưng mô hình không dự đoán được trình tự chuyển động mắt (scan pattern) tốt hơn so với các mô hình ngẫu nhiên.

Chỉ số/Kết cụcKết quả theo tài liệu
Cỡ mẫu8 sinh viên đại học
Số lượng ảnh36 ảnh chụp cảnh quan thực tế
Độ chính xác tác vụ đếm người82%
Thời gian trình chiếu tối đa10 giây
Khoảng cách xem113 cm
p-value (so sánh mô hình)p < 0.001

Phân tích thống kê hình ảnh cục bộ

Nghiên cứu đã so sánh các đặc tính hình ảnh tại các vùng được cố định (subject ensemble) với các vùng ngẫu nhiên (random ensemble) và vùng được xáo trộn (shuffled ensemble). Các chỉ số bao gồm cường độ (intensity), độ tương phản cục bộ (local contrast) và mật độ cạnh (edge density). Kết quả cho thấy các vùng được người quan sát cố định có cường độ thấp hơn, độ tương phản và mật độ cạnh cao hơn so với các vùng kiểm soát. Tuy nhiên, các vùng này cũng được đánh giá là có tính thông tin ngữ nghĩa (semantic informativeness) cao hơn, cho thấy mối tương quan giữa các đặc tính hình ảnh và vị trí cố định có thể bị nhiễu bởi ý nghĩa của vùng đó.

Bình luận: Thông tin theo Henderson et al., 2007; đối chiếu guideline hiện hành khi áp dụng lâm sàng. Nghiên cứu chỉ ra rằng các mô hình độ nổi bật thị giác hiện tại không giải thích được hành vi tìm kiếm chủ động trong cảnh quan thực tế. Hạn chế của nghiên cứu là cỡ mẫu nhỏ (n=8) và chỉ tập trung vào tác vụ đếm người, cần thận trọng khi ngoại suy cho các tác vụ thị giác khác.

Kết luận về kiểm soát ánh nhìn

Dữ liệu từ nghiên cứu này củng cố giả thuyết rằng các yếu tố nhận thức đóng vai trò chủ đạo trong việc kiểm soát ánh nhìn. Mặc dù các đặc tính hình ảnh như độ tương phản và mật độ cạnh có tương quan với vị trí cố định, nhưng chúng không phải là nguyên nhân trực tiếp điều khiển chuyển động mắt trong các tác vụ tìm kiếm thực tế. Ngoại lệ duy nhất là hiện tượng oculomotor capture, nơi các tín hiệu chuyển động đột ngột có thể thu hút ánh nhìn một cách tự động, bất kể mục tiêu nhận thức.

  • Việc sử dụng các mô hình độ nổi bật thị giác đơn thuần là không đủ để dự đoán chuyển động mắt trong các tác vụ tìm kiếm thực tế.
  • Các vùng được cố định thường mang tính thông tin ngữ nghĩa cao hơn, cho thấy kiểm soát nhận thức là yếu tố then chốt.
  • Các đặc tính hình ảnh cục bộ (độ tương phản, mật độ cạnh) chỉ là yếu tố phụ và thường bị nhiễu bởi ý nghĩa của đối tượng trong cảnh quan.
  • Cần tích hợp các yếu tố nhận thức và kiến thức về ngữ cảnh vào các mô hình dự đoán chuyển động mắt trong tương lai.

Tài liệu tham khảo:

Henderson, J. M., Brockmole, J. R., Castelhano, M. S., & Mack, M. (2007). Visual Saliency Does Not Account for Eye Movements During Visual Search in Real-World Scenes. In R. P. G. van Gompel, M. H. Fischer, W. S. Murray, & R. L. Hill (Eds.), Eye Movements: A Window on Mind and Brain (pp. 537-562). Elsevier Ltd.

Xem thêm