Der Artikel befasst sich mit der Auswertung von Zwei-Alternativen-Zwangswahlexperimenten (2AFC) zur Untersuchung der menschlichen Wahrnehmung von Bildähnlichkeiten. In solchen Experimenten werden Probanden ein Referenzbild und zwei veränderte Versionen davon gezeigt, und sie müssen angeben, welche der beiden veränderten Versionen dem Referenzbild ähnlicher ist.
Die Autoren argumentieren, dass die übliche Auswertung dieser Experimente, bei der die Ergebnisse in einen mittleren Ähnlichkeitswert (MOS) umgewandelt werden, suboptimal ist, da sie die Anzahl der Urteile pro Bildtriplet und die Unsicherheit der Entscheidungen nicht berücksichtigt. Stattdessen schlagen sie vor, den menschlichen Entscheidungsprozess statistisch mithilfe einer Binomialverteilung zu modellieren.
Dazu transformieren sie zunächst die Abstände zwischen den Bildern, so dass sie gleichmäßig über den Wertebereich [0, 1] verteilt sind. Dann schätzen sie mithilfe von Kerndichteschätzungen die bedingte Wahrscheinlichkeitsverteilung der Anzahl der Urteile pro Bildtriplet in Abhängigkeit von den Bildabständen. Aus dieser Verteilung lässt sich die wahrscheinlichste Binomialverteilung bestimmen, die die Beobachtungen am besten erklärt.
Die Autoren wenden diese Methode auf verschiedene Kandidaten-Distanzmaße an, die sowohl traditionelle als auch lernbasierte Metriken umfassen. Sie zeigen, dass die vorgeschlagene Methode robust gegenüber Hyperparameter-Einstellungen ist und zusätzliche Erkenntnisse liefert, wie gut die Distanzmaße die menschliche Wahrnehmung widerspiegeln - über die übliche binäre Entscheidung hinaus.
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Alexander He... at arxiv.org 03-18-2024
https://arxiv.org/pdf/2403.10390.pdfDeeper Inquiries