Predicting Search Performance in Heterogeneous Visual Search Scenes with Real-World Objects
Predicting Search Performance in Heterogeneous Visual Search Scenes with Real-World Objects
复制标题
使用真实世界对象预测异构视觉搜索场景中的搜索性能
DOI：
--
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Alejandro Lleras
中科院分区：
文献类型：
--
作者：
Zhiyuan Wang;S. Buetti;Alejandro Lleras
我们实验室以前的工作已经证明，具有固定目标的有效视觉搜索具有通过设置大小函数的反应时间，该函数最好以对数曲线为特征。此外，这些对数曲线的陡峭程度是由目标和干扰项之间的相似性决定的（Buetti等人，2016）。提出了对这些发现的理论解释，即并行的、无限容量的、详尽的处理架构是这些数据的基础。在这里，我们进行了两个实验，将这些发现扩展到一组真实世界的刺激，在同质和异质搜索显示中。我们使用该架构的计算模拟来确定一种方法，使用同构搜索数据估计的参数来预测异构搜索中的RT性能。此外，通过检查我们在观察数据中预测的系统偏差，我们发现了证据，表明单个项目的早期视觉处理不是独立的。相反，同质显示中的物品似乎通过乘法因子促进了彼此的处理。这些结果挑战了先前关于视觉搜索中异质性效应的解释，并展示了将计算模拟和行为数据相结合的方法的解释和预测能力，以更好地理解视觉搜索中的性能。
Previous work in our lab has demonstrated that efficient visual search with a fixed target has a reaction time by set size function that is best characterized by logarithmic curves. Further, the steepness of these logarithmic curves is determined by the similarity between target and distractor items (Buetti et al., 2016). A theoretical account of these findings was proposed, namely that a parallel, unlimited capacity, exhaustive processing architecture is underlying such data. Here, we conducted two experiments to expand these findings to a set of real-world stimuli, in both homogeneous and heterogeneous search displays. We used computational simulations of this architecture to identify a way to predict RT performance in heterogeneous search using parameters estimated from homogeneous search data. Further, by examining the systematic deviation from our predictions in the observed data, we found evidence that early visual processing for individual items is not independent. Instead, items in homogeneous displays seemed to facilitate each other’s processing by a multiplicative factor. These results challenge previous accounts of heterogeneity effects in visual search, and demonstrate the explanatory and predictive power of an approach that combines computational simulations and behavioral data to better understand performance in visual search.
DOI：
10.1037/a0013899
发表时间：
2009-06
影响因子：
2.1
作者：
Haberman, Jason;Whitney, David
通讯作者：
Whitney, David
影响因子：
1.8
作者：
Rosenholtz R;Huang J;Raj A;Balas BJ;Ilie L
通讯作者：
Ilie L
影响因子：
1.8
作者：
Najemnik, Jiri;Geisler, Wilson S.
通讯作者：
Geisler, Wilson S.