Нарисованная Приора спереди — 97 фото

Раскраска ВАЗ 2114 Лада Приора

Lada Priora хэтчбек Sport рисунок

Приора сбоку опер

Лада Приора вид спереди рисунок

Лада Приора вид спереди рисунок

Раскраска Лада Приора тюнинговая

Раскраска ВАЗ 2114 Лада Приора

Лада Приора рисунок

Приора для рисования

Лада ВАЗ 2112 раскраска

Приора для рисования

Лада Приора рисунок

Раскраска Лада Приора тюнинговая

Раскраска Приора сбоку

ВАЗ 2112 карандашом

Приора спереди карандашом

Раскраска ВАЗ 2114 Лада Приора

Lada Priora карандашом

Машины карандашом Приора

БПАН рисунки

Перед Приоры рисунок

Раскраски машины ВАЗ Лада Приора

Lada Priora карандашом

ВАЗ 2112 купе карандашом

Раскраска Лада Приора тюнинговая

Рисунки машин карандашом боком

Рисовать приору

ВАЗ 2112 рисунок

Нарисовать перед машины

Раскраска Лада Приора универсал

ВАЗ 2112 карандашом

Рисунок на свободную тему Приора

ВАЗ 2108

Приора универсал контур

ВАЗ 2114 карандашом

Раскраска ВАЗ 2110

Пошаговый рисунок Приоры

ВАЗ 2110 сбоку рисунок

ВАЗ 2172 Lada Priora

Машины карандашом спереди

Рено Логан 1 рисунок

Лада рисование

Машина карандашом

Приора карандашом сзади

Раскраска Лада Калина хэтчбек

БПАН карандашом

Лада Приора универсал чертеж

ВАЗ 1111 Ока раскраска

Рисунки карандашом машины ВАЗ

ВАЗ 2106 рисунок спереди легкий

Рисунки для срисовки авто

Рисунки карандашом машины Лада

Зарисовки машин

Машина на листочке в клеточку

Раскраска Лада Калина

Разукрашки машин ВАЗ 2112

ВАЗ 2115 карандашом

Фольксваген Пассат б3 универсал раскраска

ВАЗ 2106 спереди карандашом

БПАН рисунки простым карандашом

Приора рисунок карандашом

Рисунки карандашом машины с боку

Поэтапные рисунки Приоры

Рисунки на тачке при тюнинге

Раскраска Лада Приора тюнинговая

Рисунки карандашом машины Лада

Раскраска Лада Приора тюнинговая

Рисунки машин на тетрадном листе

Машина Шевроле Ланос чертежи

Рисунок акварелью Приоры

Рисунки в тетради в клетку машины

Рисунок Лады 7 поэта

ВАЗ 2110 карандашом

Рисунки карандашом для срисовки машины

Приора БПАН карандашом

Рисунки Приоры универсал

Перед машины карандашом

Рено Логан 1 карандашом

БПАН рисунки

Машины рисунки карандашом сбоку

ВАЗ 2114 карандашом

Лада рисунок карандашом

Раскраски машины Лада Калина универсал

Затюненговые машины карандашом

Прикольная рисунки на приоре 095

Приора рисунок

Приора рисунок карандашом

Раскраска ВАЗ 2114 Лада Приора

ВАЗ 2107 спереди карандашом

Легковые машины карандашом

ВАЗ 2112 карандашом

Поэтапное рисование Приоры

Кузов машины для детей

Зарисовка таза карандаш

Раскраска авто ВАЗ 2112

ВАЗ 2112 карандашом

Комментарии (0)

Написать

Информация
Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации.

Лада Приора опер — 64 фото

1

Lada Priora хэтчбек

2

Лада Приора 4

3

Лада Приора Oper

4

Последняя версия Приоры

5

Приора 479

6

Лада Приора 236

7

Лада Приора 2 седан черная

8

Lada Приора 2

9

Лада Приора цвет портвейн

10

Приора 4к

11

Лада Приора черная 4к

12

Ночная Лада Приора

13

Красивые Приоры

14

ВАЗ 2170 опер стайл

15

Приора седан Кравц

16

Лада Приора оперская

17

Лада Приора седан опер стайл

18

Приора 444

19

Черная Приора 178

20

Лада Приора 2016 седан

21

Лада Приора 2 БПАН

22

Приора 2 2012

23

Оперская Приора хэтчбек

24

Приора 212

25

Vossen CVT r17 Приора

26

Лада Приора черная с мигалками

27

Лада Приора седан черная

28

Приора 600 л. с

29

Lada Priora седан

30

Лада Приора 142 тонированная

31

Приора седан 2017

32

Приора 997

33

Приора х411нс

34

Приора 2 черная

35

Приора хэтчбек опер стиль 1 6

36

Приора 153-

37

Приора седан Quartz

38

Приора рв012

39

Приора к938ан53

40

Lada Priora черная

41

Lada Priora Black Style

42

Приора r17 Воссен

43

Приора 2 красная

44

ВАЗ 2170 бункер

45

Черная Приора хэтчбек бандитская

46

Самая красивая Приора

47

Lada Priora опер

48

Приора кориандр drive2

49

Приора седан

50

Приора хэтчбек кварц бункер

51

Приора 4к

52

Лада Приора хэтчбек опер стайл

53

Лада Приора кориандр

54

Приора хочубек и Приора

55

Приора 2 хэтчбек кориандр

56

Катаная Приора седан

57

Лада Приора седан белая 2170

58

Оперская Приора хэтчбек

59

Лада Приора седан

60

Черная Приора 95

61

Бандитская Лада Приора седан

62

Приора черная на 163

63

Черная Приора седан

BOiS—Berlin Object in Scene Database: управляемые фотографические изображения для экспериментов визуального поиска с количественными контекстуальными априорными данными

Введение

Фотостимулы часто используются для изучения человеческого восприятия. Чтобы точно представить нашу естественную среду просмотра, эти стимулы не должны содержать потенциальных артефактов. Если стимульный материал для научных экспериментов создается из фотографий, созданных для другой цели, например, для рекламы или искусства, план сцены и глубина фокуса могут быть нетипичными для нашего визуального мира. Например, на рекламных фотографиях определенные объекты часто располагаются по центру и фокусируются. В экспериментах по визуальному поиску это может привести к так называемому смещению центрального обзора и нежелательной предварительной сегментации сфокусированных объектов (Wichmann et al., 2010). Кроме того, сам фотографический процесс может привести к артефактам, таким как оптические, цветовые и геометрические искажения, или внести шум. Кроме того, некоторые методы сжатия изображения создают артефакты, которые могут влиять на поведение человека при просмотре. В некоторых исследованиях объекты вставляются в сцены с помощью графического редактирования. В этом случае несоответствие цвета, тени или освещения между объектом и фоном локальной сцены может привести к отклонениям от естественного поведения при просмотре.

Чтобы удовлетворить потребности в общедоступных стимулирующих материалах, в которых эти артефакты избегаются, мы представляем в этой статье базу данных BOiS—Berlin Object in Scene, которая предоставляет контролируемый фотографический стимульный материал для оценки поведения человека при визуальном поиске в естественных условиях. условия. База данных BOiS содержит фотографии высокого разрешения 130 загроможденных сцен. В каждой сцене в качестве цели поиска выбирался один конкретный объект. Затем сцена была сфотографирована три раза: с целевым объектом в ожидаемом месте, в неожиданном месте или в отсутствие.

Кроме того, в базе данных содержится 240 различных видов каждого целевого объекта на черном фоне. Эти изображения предоставляют различные визуальные подсказки о цели до начала поиска. Все фотографии были сделаны в контролируемых условиях в отношении фотографических параметров и компоновки и были исправлены оптические искажения.

База данных BOiS позволяет исследовать нисходящее влияние контекста сцены, предоставляя контекстуальные априорные карты каждой сцены, которые количественно определяют ожидания людей в отношении нахождения целевого объекта в определенном месте. Эти карты были получены путем усреднения индивидуальных ожиданий 10 испытуемых и могут использоваться для моделирования влияния контекста на процесс поиска.

И последнее, что не менее важно, база данных включает маски сегментации каждого целевого объекта в двух соответствующих изображениях сцены, а также список семантической информации о целевом объекте, сцене и двух выбранных местоположениях. Кроме того, мы предоставляем восходящие меры значимости и контекстуальные априорные значения в двух местоположениях целевых объектов. Первоначально предназначенная для визуального поиска, наша база данных может также предоставлять стимулы для экспериментов по просмотру сцен и распознаванию объектов или служить тестовой средой для алгоритмов компьютерного зрения.

Фотографические изображения

Целевые объекты в реалистичных сценах

Нашей целью было получение максимально натуралистичных сцен с использованием визуальной среды, встречающейся в повседневной жизни. Поэтому для каждой из 130 сцен из числа объектов, содержащихся в сцене, выбирался конкретный целевой объект, например, ручка, лежащая на столе, диванная подушка в гостиной или лейка в саду (см.

пример на рисунках 1A-D). Около 75% сцен были точно сфотографированы в том виде, в котором они были найдены, а 25% сцен были частично специально скомпонованы вручную, что обеспечило различные местоположения целевых объектов и сделало поиск цели достаточно сложным. В этом случае объекты, найденные в окружающей среде, были переставлены, например, дверь шкафа была открыта, чтобы сделать видимым целевой объект внутри шкафа, или аккуратный стол был расставлен, чтобы увеличить уровень беспорядка в сцене. Все 130 целевых объектов были семантически связаны со сценой, в которой они появляются. Каждая сцена была сфотографирована в трех вариантах: первая версия сцены (рис. 1В) вообще не содержала целевой объект (рис. 1А). Во второй версии (рис. 1C) целевой объект размещался в том месте сцены, где люди могли ожидать его увидеть. В третьем варианте (рис. 1D) целевой объект находился в менее вероятном месте. Три версии сцены были сфотографированы с одной и той же точки зрения с использованием штатива, чтобы убедиться, что они практически идентичны, за исключением целевого объекта. Два местоположения целевых объектов были выбраны на основе нашего субъективного суждения; однако ожидания людей относительно местоположения целевого объекта в сцене были определены количественно post-hoc с помощью контекстных априорных карт (см. раздел Контекстные априорные карты). Для каждого из 130 целевых объектов база данных BOiS содержит три версии одной конкретной сцены, в результате чего общее количество изображений сцены составляет 390.

Рис. 1. Примеры целевого объекта в сценах: лейка в саду. (A) Пример нескольких видов целевого объекта (лейки). Все целевые объекты характеризовались 80 ракурсами при вращении вокруг вертикальной оси и с 3-х вертикальных углов обзора. Каждая сцена фотографируется в трех вариантах: целевой объект (B) отсутствует, (C) в ожидаемом месте и (D) в неожиданном месте. На этих изображениях мы отметили местоположения целевых объектов прямоугольниками, которых нет на исходных изображениях. Нижний ряд (E,F) показывает увеличение этих прямоугольников и сегментацию целевого объекта в конкретном месте.

Каждая сцена в нашей базе данных помечена как внутренняя или наружная и относится к дополнительной подкатегории. 107 внутренних сцен, которые подразделяются на 32 кухонные сцены, 12 сцен в ванной, 9сцены спальни, 16 сцен гостиной, 15 сцен офиса, 8 сцен холла, 7 сцен больницы, 5 сцен гаража, 2 сцены пекарни и 1 сцена магазина. 23 сцены на открытом воздухе подразделяются на 13 сцен в саду, 4 сцены в парке, 4 сцены на террасе, 1 сцену в гараже и 1 сцену на улице. Для каждой сцены мы также называем соответствующий целевой объект и описываем два места, где целевой объект был сфотографирован в пределах сцены, их отношением к соседним объектам. Для «ожидаемого» местоположения обычно были некоторые семантически связанные объекты рядом или близко к целевому объекту. Например, на бутылку была навинчена крышка, резиновая уточка сидела на краю ванны, а садовая лейка стояла рядом с садовым навесом.

Для «неожиданной» локации окружающие объекты не имели смыслового отношения к целевому объекту. Например, крышка от бутылки лежала поверх вымытой посуды, резиновая уточка сидела на полу в ванной, а садовая лейка стояла на крыше садового сарая.

Во избежание возможных артефактов графическое редактирование не применялось, а целевые объекты были физически размещены в разных местах сцены. На фотографиях не было ни людей, ни животных, чтобы избежать смещения внимания, вызванного их присутствием (Suzuki and Cavanagh, 1995).

Расположение сцен

Все сцены сняты с естественной точки зрения человека. Компоновка всех сцен была одинаковой: центральная область и внешний край изображения не касались целевого объекта. Это позволяет создавать различные фрагменты исходной сцены путем масштабирования и смещения, обеспечивая больший контроль над размером и относительным положением целевого объекта в конечном стимуле. Кроме того, было обеспечено, чтобы два местоположения для одного конкретного целевого объекта имели одинаковое расстояние до центра изображения (минимальное расстояние в ожидаемом местоположении: 605,6 ± 88,1 пикселя, в неожиданном местоположении: 618,1 ± 9 пикселов). 3,5 пикселя; нет существенной разницы, p = 0,27). Мы позаботились о том, чтобы ожидаемые и неожиданные местоположения целевых объектов имели одинаковое пространственное распределение во всех сценах. Таким образом, мы избежали смещения, когда все ожидаемые местоположения находятся в нижней половине, а все неожиданные местоположения — в верхней половине изображения. Все целевые объекты умещались в квадратную ограничивающую рамку, длина стороны которой составляла примерно от 1/30 до 1/10 высоты изображения. Чтобы получить одинаковый размер для одного конкретного целевого объекта в обоих местах объекта в пределах одной сцены, мы попытались разместить камеру примерно на одинаковом расстоянии от обоих мест. Если части целевого объекта были закрыты на одном изображении, мы пытались закрыть аналогичные части на соответствующем изображении целевым объектом в другом месте.

Отдельные изображения целевых объектов

Целевые объекты имели разный абсолютный размер от нескольких миллиметров до примерно 60 см, например, монета, ножницы, кастрюля или автомобильная шина. Мы получили несколько изображений каждого целевого объекта перед черным фоном (см. Рисунок 1A для примера). Целевые объекты помещались индивидуально на стол, вращающийся с шагом 4,5° один раз вокруг вертикальной оси. Это было сделано для трех различных вертикальных углов обзора камеры — 0°, 22,5° и 45°. Таким образом, каждый целевой объект описывался 240 видами. Плоские объекты фотографировались только под вертикальными углами обзора 22,5° и/или 45°, а некоторые объекты также фотографировались в перевернутом виде. Всего в нашей базе данных 30 160 изображений объектов. Большое количество различных видов позволяет выбирать определенные виды целевого объекта в качестве подсказки в экспериментах по визуальному поиску. Можно даже указать анимированное вращение целевого объекта.

Получение изображения

Для всех изображений мы использовали одно и то же оборудование и предварительно определенные диапазоны настроек. Все фотоизображения сцен и целевых объектов выполнены камерой Canon EOS 450D с объективом Canon EF-S 18-55/3,5-5,6 IS. Приоритет выдержки был зафиксирован на значении F 9,5, время экспозиции варьировалось от 5 до 1/1500 с, а рейтинг чувствительности ISO составлял ISO 400 или ISO 800, в зависимости от условий освещения. Фотовспышка использовалась только тогда, когда условия освещения в помещении были неадекватными. Фокусное расстояние 18 мм; на некоторых изображениях применялся зум с фокусным расстоянием до 33 мм. Все изображения были записаны с высоким разрешением 4272 × 2848 и сохранены в формате файла изображения Canon RAW (.CR2). С учетом конкретного объектива все фотографии были автоматически исправлены на оптические ошибки (оптические и геометрические искажения, виньетирование, хроматические аберрации, мягкость линзы, шумоподавление, баланс белого) с помощью DxO Optics Pro 9..

Контекстные априорные карты

Одно важное нисходящее влияние возникает из контекста сцены (Castelhano and Heaven, 2011). Локальный контекст сцены помогает нам определить, где на сцене может появиться конкретный целевой объект, основываясь на отношении к другим объектам в сцене. Чтобы можно было исследовать влияние контекста локальной сцены на визуальный поиск, в базу данных BOiS были включены контекстуальные априорные карты каждой сцены. Они были получены путем количественного определения общих ожиданий людей относительно местоположения целевого объекта в данной сцене. Одним из применений этих контекстуальных априорных карт является дифференциация эффектов локального контекста сцены сверху вниз от эффектов заметности снизу вверх в экспериментах по визуальному поиску.

Для этой цели 10 наивных испытуемых (5 мужчин и 5 студентов, живущих в Берлине, в возрасте от 20 до 30 лет) сегментировали сцены с отсутствующими целевыми объектами (рис. 2А, В) на области с разной вероятностью содержания целевого объекта. . Изображения были сегментированы на области с использованием разных цветов, представляющих четыре разных уровня вероятности (наиболее вероятно, вероятно, маловероятно, наиболее маловероятно). Сегментация выполнялась в виде маркировки пикселей с использованием набора инструментов графического редактирования: увеличительного стекла, кисти, лассо и инструмента выделения полигона.

Испытуемых проинструктировали учитывать физическое расширение целевого объекта и отмечать пиксели, в которых может быть виден целевой объект. Для каждого субъекта и сцены была получена индивидуальная контекстуальная априорная карта путем сопоставления всех пикселей со значениями 0 (наиболее маловероятно), 1/3 (маловероятно), 2/3 (вероятно) и 1 (наиболее вероятно; рисунки 2C–E). Наконец, для каждой из 130 сцен была рассчитана контекстуальная априорная карта путем усреднения индивидуальных карт всех субъектов (рис. 2F). В нашей базе данных контекстуальные априорные карты представлены в виде изображений в градациях серого (белый для наиболее вероятного, черный для наиболее маловероятного), которые необходимо нормализовать до суммы 1, чтобы сделать значения карты сопоставимыми для разных сцен. Затем значение каждого пикселя отражает относительное количество контекстуального априора, которое можно отнести к этому конкретному пикселю.

Рисунок 2. Контекстные априорные карты для трех разных целевых объектов и соответствующих сцен: нотная книга для фортепиано (1), лопата (2), часы (3)

. Строки показывают целевой объект (A) , сцену, где целевой объект отсутствует (B) , три примера отдельных контекстных априорных карт (C-E) и средние контекстные априорные карты из 10 предметы (F) с наложением контуров сегментации целевого объекта (красная линия отмечает ожидаемое местоположение, а синяя линия отмечает неожиданное местоположение). Карты закодированы как изображения в оттенках серого (белый — наиболее вероятный, черный — маловероятный).

Сегментация целевых объектов в сценах

Мы обеспечиваем сегментацию целевых объектов в сценах и используем их для включения значений для нескольких восходящих функций, которые потенциально связаны с возможностью обнаружения целевого объекта в сцене.

Каждый целевой объект связан с определенной сценой и появляется на двух изображениях этой сцены. Наша база данных содержит бинарные маски для этих изображений сцены, в которых отмечены пиксели, принадлежащие целевому объекту. Эти маски были получены путем точной ручной сегментации изображения с высоким разрешением и, следовательно, очень точны (для примера см. рисунки 1E, F). Эти маски можно использовать для измерения характеристик или расчета статистики изображения в области целевого объекта. В исследованиях слежения за глазами можно использовать эти маски, чтобы проверить, был ли целевой объект нацелен на саккаду. Кроме того, сегментация обеспечивает основу для алгоритмов компьютерного зрения.

Мы применили эту сегментацию целевого объекта к предыдущим контекстным картам, чтобы подтвердить нашу субъективную оценку ожидаемого и неожиданного местоположения целевого объекта. Для каждой из 130 пар мы усреднили контекстуальный априор как для ожидаемого, так и для неожиданного местоположения целевого объекта по пикселям, занимаемым объектом. Таким образом, каждая версия сцены была представлена ​​в виде одного числа, отражающего, насколько ожидаемым был целевой объект для данного конкретного места. Разница в этом значении для разных версий сцены расскажет нам о различиях в ожиданиях. Парный t -тест показал значительную разницу между ожидаемым и неожиданным расположением целевого объекта ( p < 10 ⁻³⁸ ). Это также имело место для максимального значения контекстуального априора по пикселям, занятым объектом ( p < 10 ⁻³⁸ ).

В 129 сценах ожидаемые местоположения целевого объекта имели более высокое максимальное контекстуальное априорное значение, чем соответствующее неожиданное местоположение целевого объекта. Таким образом, для этих сцен наша субъективная оценка подтвердилась. В одной сцене наша категоризация на «ожидаемое» и «неожиданное» местоположение не соответствовала результатам контекстных предварительных карт (сцена 118). Таким образом, при использовании нашей базы данных для изучения предшествующей информации о визуальном поиске может быть целесообразно исключить сцену с идентификатором 118.

Восходящие функции

Наша база данных включает таблицу данных, в которой перечислены наборы значений восходящих функций, которые потенциально связаны с возможностью обнаружения целевого объекта в сцене: размер целевого объекта; минимальное и среднее расстояние до центра изображения; значения карты видимости для яркости, цвета и ориентации; значимость целевого объекта.

Чем больше размер объекта, тем выше его видимость в сцене и вероятность случайного обнаружения. Следовательно, размер объекта может модулировать внимание. Мы определили размер целевого объекта как количество пикселей, покрываемых маской целевого объекта.

При взгляде на изображения люди склонны сначала фиксировать область, близкую к центру изображения (смещение центральной фиксации). Следовательно, расстояние до центра изображения может быть обратно пропорционально обнаруживаемости цели (Tatler and Melcher, 2007). Мы измерили минимальное и среднее расстояние всех пикселей в пределах маски объекта до центра изображения.

Карты значимости составляют основу стандартных моделей восходящего визуального внимания. Мы рассчитали карты заметности и заметности на основе модели Итти и Коха (Итти и др., 19).98) с помощью Matlab Saliency Toolbox (Walther and Koch, 2006) после передискретизации изображений до разрешения 1200 × 800 пикселей. Алгоритм сначала извлекает карты признаков для каналов цвета, интенсивности и ориентации, вычисляя различия между центром и окружением между различными уровнями гауссовых пирамид и нормализуя их. Затем они объединяются в разных масштабах и нормализуются для получения карт заметности. Окончательная карта значимости затем формируется линейной комбинацией трех каналов. Мы нормализовали значения карт заметности и окончательной карты заметности таким образом, чтобы сумма по всем пикселям имела значение 1. Используя эту нормализацию, значения пикселей отражают относительное количество внимания, которое согласно модели заметности сосредоточено на конкретном пикселе. Для анализа и сравнения окончательные карты значимости и заметности должны быть передискретизированы до размера исходных изображений. Мы рассчитали средние, медианные и максимальные значения отдельных карт видимости для интенсивности, цвета и ориентации, а также окончательную карту заметности в маске сегментации целевого объекта.

Детали базы данных

База данных находится в открытом доступе по следующему адресу: http://info.ni.tu-berlin.de/photodb/. Его можно скачать одним архивом bois_db.zip (~24 ГБ). Кроме того, все файлы, принадлежащие определенным идентификаторам целевого объекта, можно загрузить в виде отдельных архивов (TO_ . zip), щелкнув соответствующий идентификатор в таблице на веб-сайте. Как единый архив, так и отдельные архивы распаковываются в одно и то же дерево каталогов. Корневой каталог называется «bois_db» и имеет четыре подпапки.

Первая папка «original_scenes_DxO» содержит изображения сцен с исправлением искажений в виде файлов PNG с разрешением 4272 × 2848 пикселей. Сцены без целевого объекта называются O_ < id> L_DxO.png, сцены с целевым объектом в ожидаемом месте O_ < id> E_DxO.png, а сцена с целевым объектом в неожиданном месте O_ < id> U_DxO. png. Вторая папка «target_objects» содержит подпапку DxO, в которой для каждого целевого объекта < id> можно найти папку TO_ < id>_DxO с исправленными PNG-изображениями различных видов целевых объектов, TO_ < id>_ < вертикальный угол>_ < горизонтальная точка обзора>_DxO.png. Они были уменьшены до разрешения 1152 × 786 пикселей, чтобы сохранить практический общий размер базы данных. Третья папка «masks» содержит маски сегментации сцен с целевым объектом в ожидаемом (O_ < id>E_m. png) и неожиданном (O_ < id>U_m.png) местоположении с разрешением 4272 × 2848 пикселей. Последняя папка «cpms» содержит контекстные априорные карты в виде изображений уровня серого (CPM_ .png) с разрешением 4272 × 2848 пикселей. Обратите внимание, что эти карты масштабируются для использования всего диапазона оттенков серого в целях визуализации и должны быть нормализованы таким образом, чтобы сумма по всем пикселям равнялась 1, чтобы обеспечить сопоставимость между сценами. Мы также включили в нашу базу данных 130 отдельных контекстуальных предшествующих сегментов наших 10 субъектов с разрешением 600 × 400 пикселей (Individual_priors.zip). Эти файлы называются _O_ L_s.png, где < subject_id> находится в диапазоне от 2 до 11, а значения серого (0, 85, 170, 255) на изображениях кодируют четыре предшествующих уровня вероятности от самого низкого до наибольший.

Вся метаинформация для базы данных содержится в файле BOiSmeta.xls. Эта таблица Excel содержит таблицу с семантической информацией (см. раздел «Целевые объекты в реалистичных сценах»), а также таблицу с контекстными априорными значениями (см. раздел «Контекстные априорные карты») и значениями признаков «снизу вверх» (см. ) для обоих целевых объектов в сцене.

Вклад авторов

Все авторы совместно разработали концепцию базы данных. JS сгенерировал все фотографии. JS и JM составили и аннотировали базу данных, а также написали рукопись. AL, JW, FW и KO тщательно отредактировали рукопись на наличие важного интеллектуального содержания.

Финансирование

Эта работа финансировалась Федеральным министерством образования и исследований Германии (BMBF) через Bernstein Focus: Neurotechnology (FKZ: 01GQ0850 – A4), а также Программу Bernstein Computational Neuroscience Program Tübingen (FKZ: 01GQ1002).

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Ссылки

Кастельхано, М.С., и Хевен, К. (2011). Контекст сцены влияет без содержания сцены: движения глаз, управляемые пространственными ассоциациями в зрительном поиске. Психон. Бык. Ред. 18, 890–896. doi: 10.3758/s13423-011-0107-8

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Итти Л., Кох К. и Нибур Э. (1998). Модель визуального внимания на основе заметности для быстрого анализа сцены (короткие статьи). IEEE Trans. Пат. Анальный. Мах. Интел. 20, 1254–1259. doi: 10.1109/34.730558

Полный текст CrossRef | Google Scholar

Судзуки С. и Кавана П. (1995). Организация лица блокирует доступ к функциям низкого уровня: эффект неполноценности объекта. Дж. Экспл. Психол. Гум. Восприятие. Выполнять. 21, 901–913. doi: 10.1037/0096-1523.21.4.901

CrossRef Полный текст | Google Scholar

Tatler, BW, and Melcher, D. (2007). Картины в уме: исходное кодирование свойств объекта зависит от реалистичности стимула сцены. Восприятие 36, 1715–1729. doi: 10.1068/p5592

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Вальтер Д. и Кох К. (2006). Моделирование внимания к значимым протообъектам. Нейронная сеть. 19, 1395–1407. doi: 10.1016/j.neunet.2006.10.001

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

Wichmann, F.A., Drewes, J., Rosas, P., and Gegenfurtner, K.R. (2010). Обнаружение животных в природных сценах: пересмотр важнейших функций. Дж. Вис . 10, 1–27. doi: 10.1167/10.4.6

PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

фотографий · Поппер и Прайор в Новой Зеландии

Главная > Артур Прайор: Фотографии

Артур Прайор [фотография 1]

Профильный портрет А.Н. Прайор, снятый во время костра с соседями на Грейнджер-стрит в Крайстчерче

Пресса: «Профессор философии, назначение г-на А. Н. Прайора»

Газетное сообщение о назначении Прайора профессором философии в Кентерберийском университетском колледже, включая его биографию и фото его, The…

Пресса: «Философский конгресс.

Семь профессоров философии встречаются в Крайстчерче» [фотография]

Фотография семи профессоров, включая Прайора, присутствовавших на философском конгрессе в Крайстчерче 22-25 мая 1953 года. Это была первая в истории …

Артур Прайор в униформе RNZAF [фотография]

Фотография Артура Прайора во время его военной службы в RNZAF, стоящего рядом с самолетом Пресса в 1952

Артур Прайор [фотография 3]

Портретная фотография Артура Прайора

Мэри и Артур Прайор [фотография 1]

Артур Прайор в военной форме в гостях у Мэри в доме родителей Джонатана Беннета, Оза и Перл, в Крайстчерче на Кранмер-сквер

Мэри и Артур Прайор [фотография 2]

Артур Прайор в военной форме навещает Мэри в доме родителей Джонатана Беннета, Оза и Перл, в Крайстчерче на Кранмер-сквер,

Артур Прайор на скамейке [фотография]

Артур Прайор сидит на скамейке на Кранмер-сквер в Крайстчерче в 1953 году

Артур Прайор и Джонатан Беннетт [фотография]

Фотография Прайора и его ученика Джонатана Беннета, сделанная на Кранмер-сквер, Крайстчерч, в 1953 году

Мэри Прайор с коллегами Артура [фотография]

Слева направо: Мэри Прайор, Джордж Хьюз, Джиллиан Квентин-Бакстер и Джек Смарт

Пресса: «Лекции Джона Локка, серия лекций профессора Прайора, приглашение в Оксфордский университет»

Газетная статья о планах Прайора на год его учебного отпуска в Великобритании

Пресса: «Назначение в Британии — профессор А.

Н. Прайор»

Газетное сообщение о назначении Прайора в Манчестерский университет, краткая биография и фотография Прайора.

Пресса: «Профессор Прайор стал членом Британской академии»

Сообщение в газете о назначении Прайора членом Британской академии, с биографией и фотографией Прайора.

Прайоры: Артур, Мэри, Норман и дети [фотография]

Артур, Мэри и Норман Прайор, отец Артура, их дети Энн и Мартин, третий и четвертый слева, и их двоюродные братья. Снимок сделан в…

Артур и Мартин Прайор [фотография]

Артур Прайор со своим сыном Мартином в коттедже родителей Мэри Прайор в Пил Форест. Посетителями были мистер и миссис Джек Отаут из США

Артур Прайор на веранде своего дома [фотография]

Артур Прайор работает на веранде своего дома по адресу 8 Macmillan Avenue, Christchurch

Артур Прайор дома на Вернон Тсе [фотография]

Артур Прайор на кухне своего дома по адресу Вернон Террас, 23, Крайстчерч

Артур Прайор, Гилберт Райл и Эдвард Персиваль [фотография]

Слева направо: Артур Прайор, Гилберт Райл и Эдвард Персиваль (профессор зоологии) перед домом Прайора на Вернон-Террас, 23 в Крайстчерче в 1954 году,…

Мэри и Артур Прайор с Гилбертом Райлом [фотография]

Справа налево: Гилберт Райл, Артур Прайор и Мэри Прайор с другими на пикнике

Артур Прайор и Гилберт Райл [фотография]

Справа налево: Гилберт Райл и Артур Прайор с другими на пикнике

Артур Прайор и Руди Зиединс [фотография]

Артур Прайор и Руди Зиединс перед домом Прайора на Вернон-Террас, 23 в Крайстчерче. Руди Зиединс приехал преподавать философию в университет…

Артур и Энн Прайор [фотография]

Артур Прайор со своей дочерью Энн во время визита в Веллингтон

Артур и Оуэн Прайор [фотография]

Артур Прайор и его сводный брат Оуэн (1928 г.р.)

Артур, Мартин и Энн Прайор с Филипом Вулластоном [фотография]

Артур Прайор с дочерью Энн на спине занимается с сыном Мартином и его другом Филипом Вулластоном на заднем дворе. Филип Вулластон, сын…

Мэри Прайор и коллеги Артура [фотография]

Мэри Прайор с сотрудниками Кентерберийского университета в университетском комплексе в Крайстчерче

Артур Прайор с коллегами на философской конференции Восток-Запад в Канберре [фотография]

Артур Прайор (впереди в центре) с группой участников встречи философской «рабочей группы» Восток-Запад в Канберре в декабре 1957 года, проведенной под…

Артур и Мэри Прайор с коллегой на конференции Восток-Запад в Канберре [фотография]

Артур и Мэри Прайор с коллегой на конференции Восток-Запад в Канберре, декабрь 1957 года

Артур Прайор [фотография 4]

Портретное фото Прайора

Артура Прайора [фотография 5]

Портретное фото Приора

Чеслав Леевский [фотография]

Фотографии ученика К. Поппера и коллеги Артура Прайора в Манчестере Чеслава Леевского. Леевский (1913-2001) был польским философом и…

Коллега Прайора Майкл Шортер [фотография]

Фотография коллеги Прайора Майкла Шортера. Майкл Шортер присоединился к факультету философии, когда Прайор взял творческий отпуск в 1956 году.

Четыре человека на конференции Восток-Запад в Канберре

Четыре человека во время конференции Восток-Запад в Канберре в декабре 1957 года

Двое мужчин на конференции Восток-Запад в Канберре

Двое мужчин во время конференции Восток-Запад в Канберре в декабре 1957 года

Артур, Мэри, Мартин и Энн Прайор с Филипом Вулластоном [фотография]

Прайоры перед своим домом на Вернон-Террас, 23, Крайстчерч, 1958 год.
Слева направо: Филипп Волластон (друг семьи, сын художника Тосса…

Мэри, Энн и Мартин Прайор с Филипом Вулластоном [фотография]

«Приоры перед своим домом на Вернон-Террас, 23, Крайстчерч, 1958 год.
Слева направо: Мэри, Энн, Филипп Волластон (друг семьи, сын…

Артур, Мэри, Энн, Мартин Прайор с друзьями [фотография]

Приоры в гостях у друзей на Рапаки-роуд, Крайстчерч, 1957 год.
Слева направо: Артур, Вера Паппе, Мэри, Энн и Мартин Прайор и двое неизвестных…

Норман, Элейн, Джесси и Артур Прайор [фотография]

Артур Прайор со своим отцом Норманом, мачехой Джесси и сводной сестрой Элейн в 1957 году. Возможно, снято в доме Элейн в Варапе, Ахи Паку Лонг…

Элейн, Артур и Мэри Прайор [фотография]

Артур и Мэри Прайор со сводной сестрой Артура Элейн в Мастертоне в 19 лет57. Слева направо: Элейн, Артур и Мэри

Приоры в Веллингтоне [фотография]

Приоры на семейном собрании в Веллингтоне в 1958 году в доме сводного брата Артура Оуэна. Слева направо: Энн (дочь), Мэри (жена), Мартин…

Артур Прайор в Окленде в 1934 году [фотография]

Молодой Артур Прайор на семейном пикнике в Окленде в январе 1934 года, 19 лет. Слева направо: Маргарет Синклер (двоюродная сестра Артура Прайора, дочь его…

Дом Артура Прайора в Мастертоне [фотография]

46 Перри Сент-Мастертон, Новая Зеландия: семейный дом и кабинет врача общей практики доктора Нормана Прайора, отца Артура. Сам Норман родился в этом доме и…

Родители Артура Прайора [фотография]

Свадебная фотография Бесси (Элизабет Мантон Ротсей Тиг) и Нормана Прайора. Сидят слева: младшая сестра Бесси, Моника;…

Мэри и Артур Прайор с младенцем Мартином [фотография]

Мэри и Артур Прайор, держащие на руках его новорожденного сына Мартина в 1944. Артур одет в военную форму, так как он тогда служил в (RNZAF) Royal New…

Артур Прайор с маленькой дочерью Энн [фотография]

Артур Прайор с маленькой дочерью Энн в «сиденье для объятий» возле собора Площадь в центре Крайстчерча, начало 1951 года.

Артур Прайор [фотография 6]

Артур Прайор в 1960 году

Ян Лукасевич [фотография]

Фотография молодого Яна Лукасевича (21 декабря 1878 г.