[논문]실제 이미지에서 현저성과 맥락 정보의 영향을 고려한 시각 탐색 모델

최윤형; 오형석; 명노해

doi:10.7232/jkiie.2015.41.4.389

실제 이미지에서 현저성과 맥락 정보의 영향을 고려한 시각 탐색 모델
Visual Search Model based on Saliency and Scene-Context in Real-World Images 원문보기

대한산업공학회지 = Journal of the Korean Institute of Industrial Engineers, v.41 no.4, 2015년, pp.389 - 395

최윤형 (고려대학교 산업경영공학과) , 오형석 (고려대학교 산업경영공학과) , 명노해 (고려대학교 산업경영공학과)

Abstract ▼ AI-Helper

According to much research on cognitive science, the impact of the scene-context on human visual search in real-world images could be as important as the saliency. Therefore, this study proposed a method of Adaptive Control of Thought-Rational (ACT-R) modeling of visual search in real-world images, based on saliency and scene-context. The modeling method was developed by using the utility system of ACT-R to describe influences of saliency and scene-context in real-world images. Then, the validation of the model was performed, by comparing the data of the model and eye-tracking data from experiments in simple task in which subjects search some targets in indoor bedroom images. Results show that model data was quite well fit with eye-tracking data. In conclusion, the method of modeling human visual search proposed in this study should be used, in order to provide an accurate model of human performance in visual search tasks in real-world images.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그리고 많은 연구들은 ACT-R/PM(ACT-R/Perceptual and Motor; Byrne, 2001), EMMA(Eye Movements and the Movement of Attention; Salvucci, 2001), 그리고 PAAV module(Pre-Attentive and Attentive Vision module; Nyamsuren and Taatgen, 2013)과 같이 여러 시각 모듈의 개발을 통해 컴퓨터 인터페이스에서의 메뉴나 아이콘과 같은 가상 이미지에서 사람의 시각 탐색을 좀 더 세부적으로 묘사하기 위한 연구가 진행되었다. 그렇기 때문에, 본 연구에서는 실제 이미지의 ACT-R 시각 탐색 인지모델을 개발하여 사람이 목표 대상을 찾고자 할 때 어떤 인지과정으로 시각 정보를 처리하는지에 대한 세부적인 차원에서의 설명이 가능하고, 더 정확한 사람의 시각 탐색 모델을 만들기 위한 한 단계 높은 수준의 방법론을 제시할 수 있을 것이다.
따라서 본 연구의 목적은 Torralba et al.(2006)이 주장하는 실제 이미지에서의 시각 탐색 패턴인 현저성과 맥락 정보를 모두 고려하여 사람의 시각 탐색에 대한 ACT-R 인지모델을 개발하는 것이다.
본 논문에서는 실제 이미지에서 사람의 시각 탐색을 이해하기 위해 현저성의 영향뿐만 아니라 맥락 정보의 영향을 고려하여 인지모델을 개발하였다. 특히, 맥락 정보-기반 탐색 전략은 실제 이미지에서 사람의 시각 탐색을 정확하게 예측할 수 있었다.
본 연구에서는 맥락 정보의 영향과 현저성의 영향을 설명하기 전에 먼저 시각 탐색 모델의 이해를 돕기 위해 ACT-R 인지 아키텍처와 인지모델이 대한 프레임워크에 대해 설명한 뒤, 현저성과 맥락 정보에 의한 시각 탐색 과정에 대해 설명하고자 한다.
본 연구에서는 컴퓨터 인터페이스상의 이미지에서 국한된 기존의 시각 탐색 인지모델과는 달리 실제 이미지에서 사람의 시각 탐색에 대한 인지모델을 개발하기 위해 현저성의 영향뿐만 아니라 맥락 정보의 영향을 고려한 시각 탐색 인지모델을 개발하였다. 그리고 ACT-R의 유용성 시스템을 이용하여 실제 이미지에서 현저성 영역으로 주의를 이동시키는 전략과 맥락정보의 영역으로 주의를 이동시키는 전략에 따른 시각 탐색 과정에 대한 인지모델을 개발하였다.
따라서 우리는 현저성과 맥락 정보 모두 동등하게 고려한 시각 탐색 모델을 제시하였다. 이번 논문에서는 실제 이미지에서 현저성과 맥락 정보의 영향을 ACT-R의 유용성시스템을 사용함으로써 보여줄 수 있었다.

가설 설정

그래서 본 연구에서는 맥락 정보와 현저성을 동등하게 고려해야 함을 강조한 Torralba et al.(2006)의 주장에 의거하여, 처음 단계에서의 맥락 정보-기반과 현저성-기반 전략의 선택될 확률은 동등하다고 가정했다. 이에, 각 두 가지 전략 맥락-기반 전략과 현저성-기반 전략은 같은 유용성 값으로 설정하였고 임의선택-기반 전략의 유용성 값은 맥락-기반 전략과 현저성-기반 전략보다 낮은 값으로 설정하였다.

제안 방법

본 연구에서는 컴퓨터 인터페이스상의 이미지에서 국한된 기존의 시각 탐색 인지모델과는 달리 실제 이미지에서 사람의 시각 탐색에 대한 인지모델을 개발하기 위해 현저성의 영향뿐만 아니라 맥락 정보의 영향을 고려한 시각 탐색 인지모델을 개발하였다. 그리고 ACT-R의 유용성 시스템을 이용하여 실제 이미지에서 현저성 영역으로 주의를 이동시키는 전략과 맥락정보의 영역으로 주의를 이동시키는 전략에 따른 시각 탐색 과정에 대한 인지모델을 개발하였다. 또한, eye-tracking을 이용한 검증 실험을 통해 현저성-기반 영역과 맥락 정보 기반 영역에서 피험자와 모델의 응시하는 시간의 비율이 통계적으로 밀접한 선형관계를 가지고 있음을 보였고, 모델의 각 생산규칙에 대한 유용성 변화 양상을 피험자의 시각 탐색 전략의 변화 양상과 비교함으로써 모델이 실제 사람의 시각 탐색 패턴을 잘 묘사하고 있음을 확인하였다.
3초 후에는 다음 이미지로 바뀌도록 하였고 총 5개의 이미지가 실험에 사용되었다. 그리고 액자를 찾는 작업동안 eye-tracking 장치를 통해서 이미지를 응시하는 시간을 측정하였다. 5개의 이미지는 [Figure 5]와 같다.
실험 결과에서 사람의 시각 탐지 패턴은 현저성-기반 영역에 해당하는 좌측의 협탁으로 먼저 주의를 준 다음 맥락 정보 영역인 이미지의 상단으로 주의를 이동시키는 것을 볼 수 있었다. 그리고 피험자의 주의는 맥락 정보 영역 안을 이동하면서 액자를 탐색하였다. 모델 결과에서의 사람의 시각 탐지 패턴 역시 현저성-기반 영역에 해당하는 좌측의 협탁으로 먼저 주의를 준 다음 맥락 정보 영역인 이미지의 상단으로 주의를 이동시키는 것을 볼 수 있었다.
임의선택 기반의 전략이 고려된 이유는 맥락-기반(context-based) 영역과 현저성-기반(saliency-based) 영역 외의 존재하는 객체들을 탐색하는 전략을 고려하기 위함이다. 따라서 본 연구에서 제안하는 모델에는 현저성-기반 전략, 맥락-기반 전략, 그리고 임의선택 기반 전략이 있으며, 시각 탐색 모델의 흐름은 [Figure 2]와 같이 세 가지의 전략들 중 한 가지의 전략이 선택됨으로써 수행 될 것이다. 위 전략들은 ACT-R에서의 각 생산규칙(production rule)에 해당되고 변수 유용성(utility) 값이 바뀌면서 한 가지의 생산규칙이 선택될 것이다.
5개의 이미지는 [Figure 5]와 같다. 실험의 결과는 각 이미지에 대해서 3초 동안 맥락-기반 영역에 응시하는 시간과 현저성-기반 영역에 응시하는 시간의 비율, 그리고 모델과 비교함으로써 도출하였다.
모델은 본 연구에서 앞서 제안한 프레임워크를 기반으로 만들어졌다. 이 모델에서는 대기 시간 요인(latency factor) 값과 유용성의 초기 값을 제외하고 기존 ACT-R 모듈에서 사용되는 파라미터들의 기초 값을 사용하였다. 각 탐색 전략에 대한 생산규칙의 초기 값은 앞서 언급한 내용과 같이 Torralba et al.
(2006)의 주장에 의거하여, 처음 단계에서의 맥락 정보-기반과 현저성-기반 전략의 선택될 확률은 동등하다고 가정했다. 이에, 각 두 가지 전략 맥락-기반 전략과 현저성-기반 전략은 같은 유용성 값으로 설정하였고 임의선택-기반 전략의 유용성 값은 맥락-기반 전략과 현저성-기반 전략보다 낮은 값으로 설정하였다. 그리고 각 전략의 영향은 찾고자 하는 대상의 위치에 따라 변화한다.

대상 데이터

실험의 진행은 10명의 피험자를 대상으로 3초 동안 컴퓨터 스크린에 띄운 이미지 속에서 액자들의 수를 세도록 하였다. 3초 후에는 다음 이미지로 바뀌도록 하였고 총 5개의 이미지가 실험에 사용되었다. 그리고 액자를 찾는 작업동안 eye-tracking 장치를 통해서 이미지를 응시하는 시간을 측정하였다.
본 연구에서는 모델에 대한 입증을 위해 5개의 실내 이미지를 가지고 실험이 수행되었다. 실험의 진행은 10명의 피험자를 대상으로 3초 동안 컴퓨터 스크린에 띄운 이미지 속에서 액자들의 수를 세도록 하였다.
본 연구에서는 모델에 대한 입증을 위해 5개의 실내 이미지를 가지고 실험이 수행되었다. 실험의 진행은 10명의 피험자를 대상으로 3초 동안 컴퓨터 스크린에 띄운 이미지 속에서 액자들의 수를 세도록 하였다. 3초 후에는 다음 이미지로 바뀌도록 하였고 총 5개의 이미지가 실험에 사용되었다.

데이터처리

eye-tracking장치는 FaceLab Eye-Tracking(version 4.2.2)이 사용되었고 분석 프로그램은 GazeTracker software가 사용되었다.
반면 실험 결과에 의하면, 이미지 1번과 3번은 맥락-기반 영역의 응시하는 시간이 나머지 이미지 2, 4, 그리고 5번에 비해 적은 것을 볼 수 있었다. 이를 더 명확하게 하기 위해 SPSS 통계프로그램(IBM SPSS Statistics 21)을 사용하여 ANOVA의 Tukey 사후분석을 실시한 결과 2, 4, 5번의 그룹과 1번 그룹, 3번 그룹이 각각 형성되는 것을 볼 수 있었다. 그 이유로, 1번 이미지는 목표 대상들이 맥락-기반 영역뿐만 아니라 현저성 지도 영역(오른쪽 램프 부분)에도 위치하고 있기 때문이다.

이론/모형

본 연구는 실제 이미지를 대상으로 사람의 시각 탐색 모델을 수립하는 것으로, 생산 시스템, 선언적 모듈 그리고 무엇을 보는지 결정하는데 사용되는 시각 모듈(Byrne, 2001)이 사용된다. 하지만 ACT-R 시각 모듈은 버튼 및 텍스트와 같은 시각 객체를 자동적으로 인식할 수 없기 때문에, 연구자가 직접 객체들의 특징들을 선언적 지식의 처리 단위인 군집(chunk)으로 표현해야 한다.

성능/효과

결과를 통해 본 연구에서 개발된 시각 탐색 모델이 실제 이미지에서 사람의 시각 탐색을 정확하게 예측할 수 있음을 볼 수 있었다. 서론에서 언급했듯이 실제 이미지에서는 현저성 뿐만 아니라 맥락 정보를 고려하는 것이 중요하다.
3번 이미지의 경우는 현저성 지도에 속하는 영역이 맥락 정보 영역과 유사했기 때문에 다른 2, 4, 5번 이미지보다 현저성-기반 영역에 응시하는 시간이 더 많았다. 그 결과 3번 이미지에서의 모델에서는 현저성-기반 규칙의 유용성 값과 맥락 정보-기반 규칙의 유용성 값의 차이가 이미지 2, 4, 5번보다 작은 것을 볼 수 있다. 이 결과를 통해 사람은 시각 탐색 작업을 수행할 때 현저성-기반 전략과 맥락 정보-기반 전략을 모두 이용하여 시각 탐지를 진행 하는 데, 목표 대상이 위치한 영역에 따라 전략을 바꾸면서 탐색 하는 것을 볼 수 있다.
모델 결과 역시 현저성-기반 영역인 램프 주위에 오랫동안 주의를 주고 그 이후에 맥락 정보-기반 영역으로 주의를 이동시키는 것을 볼 수 있다. 따라서 현저성-기반 영역과 맥락-기반 영역에서의 응시하는 비율의 차이가 크지 않음을 실험 결과와 모델 결과를 통해 확인할 수 있었고, 이번 연구에서 제안한 시각 탐지 모델은 사람의 시각 탐지 패턴을 충분히 잘 묘사하고 있음을 보여주고 있다.
또한 검증 실험을 통해 모델의 각 생산규칙에 대한 유용성의 변화 양상과 피험자의 시각 탐색 전략의 변화 양상이 일치함을 확인할 수 있었다. 특히, 이미지 2, 4, 그리고 5번에서의 시각 탐색 모델은 현저성-기반 영역을 응시하는 비율 보다 맥락-기반 영역을 응시하는 비율이 높음을 볼 수 있었다.
그리고 ACT-R의 유용성 시스템을 이용하여 실제 이미지에서 현저성 영역으로 주의를 이동시키는 전략과 맥락정보의 영역으로 주의를 이동시키는 전략에 따른 시각 탐색 과정에 대한 인지모델을 개발하였다. 또한, eye-tracking을 이용한 검증 실험을 통해 현저성-기반 영역과 맥락 정보 기반 영역에서 피험자와 모델의 응시하는 시간의 비율이 통계적으로 밀접한 선형관계를 가지고 있음을 보였고, 모델의 각 생산규칙에 대한 유용성 변화 양상을 피험자의 시각 탐색 전략의 변화 양상과 비교함으로써 모델이 실제 사람의 시각 탐색 패턴을 잘 묘사하고 있음을 확인하였다. 이에, 결론적으로 실제 이미지에서 사람의 시각 탐색을 모델링하기 위해 현저성-기반 전략과 맥락 정보-기반 전략이 고려된 방법을 사용해야 한다.
그리고 피험자의 주의는 맥락 정보 영역 안을 이동하면서 액자를 탐색하였다. 모델 결과에서의 사람의 시각 탐지 패턴 역시 현저성-기반 영역에 해당하는 좌측의 협탁으로 먼저 주의를 준 다음 맥락 정보 영역인 이미지의 상단으로 주의를 이동시키는 것을 볼 수 있었다. 위 두 결과를 통해 맥락 정보 영역을 응시하는 비율이 현저성-기반 영역을 응시하는 비율보다 큰 것을 볼 수 있었고, 본 연구의 모델 역시 이러한 현상을 잘 표현하는 것을 보임에 따라 모델이 사람의 시각 탐지 패턴을 잘 묘사했음을 알 수 있다.
반면 실험 결과에 의하면, 이미지 1번과 3번은 맥락-기반 영역의 응시하는 시간이 나머지 이미지 2, 4, 그리고 5번에 비해 적은 것을 볼 수 있었다. 이를 더 명확하게 하기 위해 SPSS 통계프로그램(IBM SPSS Statistics 21)을 사용하여 ANOVA의 Tukey 사후분석을 실시한 결과 2, 4, 5번의 그룹과 1번 그룹, 3번 그룹이 각각 형성되는 것을 볼 수 있었다.
[Figure 7]은 피험자가 3초 동안 각 이미지의 현저성-기반의 영역을 응시하는 시간의 비율과 모델의 비율을 보여주고 있다. 본 결과 역시 회귀분석을 통한 0.99의 r-square 값으로부터 모델과 사람의 현저성-기반 영역에 응시하는 시간이 밀접한 선형관계를 가지로 있음을 보여주고 있다. 위 두 결과를 통해 본연구에서 개발한 시각 탐색 모델의 결과는 사람의 데이터와 일치함을 볼 수 있다.
[Figure 9]는 2번 이미지에서 한 피험자의 시각 탐지 패턴을 보여주는 결과이고 [Figure 10]은 2번 이미지에서 모델의 시각 탐지 패턴을 보여주는 결과이다. 실험 결과에서 사람의 시각 탐지 패턴은 현저성-기반 영역에 해당하는 좌측의 협탁으로 먼저 주의를 준 다음 맥락 정보 영역인 이미지의 상단으로 주의를 이동시키는 것을 볼 수 있었다. 그리고 피험자의 주의는 맥락 정보 영역 안을 이동하면서 액자를 탐색하였다.
이와 같은 결과는 한 피험자에 대한 1번 이미지의 eye-tracking 실험 결과인 [Figure 11]과 모델 결과인 [Figure 12]를 통해 확인 할 수 있다. 실험 결과에서 피험자의 탐지 패턴은 현저성-기반 영역인 램프와 창가 주위에 많은 시간을 할애하는 것을 볼 수 있다. 모델 결과 역시 현저성-기반 영역인 램프 주위에 오랫동안 주의를 주고 그 이후에 맥락 정보-기반 영역으로 주의를 이동시키는 것을 볼 수 있다.
모델 결과에서의 사람의 시각 탐지 패턴 역시 현저성-기반 영역에 해당하는 좌측의 협탁으로 먼저 주의를 준 다음 맥락 정보 영역인 이미지의 상단으로 주의를 이동시키는 것을 볼 수 있었다. 위 두 결과를 통해 맥락 정보 영역을 응시하는 비율이 현저성-기반 영역을 응시하는 비율보다 큰 것을 볼 수 있었고, 본 연구의 모델 역시 이러한 현상을 잘 표현하는 것을 보임에 따라 모델이 사람의 시각 탐지 패턴을 잘 묘사했음을 알 수 있다.
99의 r-square 값으로부터 모델과 사람의 현저성-기반 영역에 응시하는 시간이 밀접한 선형관계를 가지로 있음을 보여주고 있다. 위 두 결과를 통해 본연구에서 개발한 시각 탐색 모델의 결과는 사람의 데이터와 일치함을 볼 수 있다.
그 결과 3번 이미지에서의 모델에서는 현저성-기반 규칙의 유용성 값과 맥락 정보-기반 규칙의 유용성 값의 차이가 이미지 2, 4, 5번보다 작은 것을 볼 수 있다. 이 결과를 통해 사람은 시각 탐색 작업을 수행할 때 현저성-기반 전략과 맥락 정보-기반 전략을 모두 이용하여 시각 탐지를 진행 하는 데, 목표 대상이 위치한 영역에 따라 전략을 바꾸면서 탐색 하는 것을 볼 수 있다.
또한 검증 실험을 통해 모델의 각 생산규칙에 대한 유용성의 변화 양상과 피험자의 시각 탐색 전략의 변화 양상이 일치함을 확인할 수 있었다. 특히, 이미지 2, 4, 그리고 5번에서의 시각 탐색 모델은 현저성-기반 영역을 응시하는 비율 보다 맥락-기반 영역을 응시하는 비율이 높음을 볼 수 있었다. 그 이유는 목표 대상이 이미지 2, 4, 그리고 5번에서 오직 맥락-기반 영역에만 있었기 때문이다.

후속연구

이 규칙은 객체의 시각적인 위치로 주의를 옮기는 역할을 한다. 그 다음, TARGET-MATCHED 생산규칙과 TARGETNOT-MATCHED 생산규칙 중 한 가지의 생산규칙이 실행되는데, 만약 현재 주의를 주고 있는 객체가 액자(목표 대상)라면 TARGET-MATCHED 생산규칙이 선택될 것이고, 만약 그렇지 않으면 TARGET-NOT-MATCHED 생산규칙이 선택될 것이다. 이 두 개의 규칙은 각각에 해당되는 보상을 가지고 있으며(TARGETMATCHED 생산규칙이 실행되면 10의 보상을 받고, TARGETNOT-MATCHED 생산규칙이 실행되면 0의 보상을 받는다), 어느 생산규칙을 선택할지 결정되어 실행되면 해당 생산규칙의 보상으로부터 실행되었던 생산규칙들의 유용성 값이 갱신된다.
특히, 맥락 정보-기반 탐색 전략은 실제 이미지에서 사람의 시각 탐색을 정확하게 예측할 수 있었다. 따라서 본 연구에서 제안한 사람의 시각 탐색 모델링 방법은 실제 이미지에서 시각 탐색 작업을 수행할 때 사람의 수행도(performance)에 대한 정확한 모델을 제공하기 위하여 고려되어야 한다.
또한, eye-tracking을 이용한 검증 실험을 통해 현저성-기반 영역과 맥락 정보 기반 영역에서 피험자와 모델의 응시하는 시간의 비율이 통계적으로 밀접한 선형관계를 가지고 있음을 보였고, 모델의 각 생산규칙에 대한 유용성 변화 양상을 피험자의 시각 탐색 전략의 변화 양상과 비교함으로써 모델이 실제 사람의 시각 탐색 패턴을 잘 묘사하고 있음을 확인하였다. 이에, 결론적으로 실제 이미지에서 사람의 시각 탐색을 모델링하기 위해 현저성-기반 전략과 맥락 정보-기반 전략이 고려된 방법을 사용해야 한다.
추후 연구에서는 모델의 타당성을 확인하기 위해 실내 이미지를 사용한 것처럼 실제 실외 이미지를 사용한 검증을 통해 더욱 개선된 시각 탐지 인지모델링이 가능할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	사람의 시각 탐색에서 두 가지 정보 처리 방식은 무엇인가?	사람의 시각 탐색은 크게 두 가지 시각 정보 처리 방식이 존재한다. 첫 번째 처리 방식은 상향 처리(bottom-up)방식으로써 목표 대상을 찾기 위해 각각의 객체들에게 시각 주의를 이동시키며 탐색하는 방법이다. 두 번째 처리 방식은 하향 처리(top-down)방식으로써 목표 대상의 위치를 예상하고, 예상한 영역에서 객체를 탐색하는 방법이다. 그리고 상향 처리 방식은 주로 현저성에 영향을, 하향 처리 방식은 맥락 정보에 영향을 받으며, 인지과학과 인지심리학분야에서는 이미지의 특성에 따라 각각의 영향이 고려되어야 함을 주장하였다(De Graef et al.
	상향 처리 방식은 주로 무엇에 영향을 받는가?	두 번째 처리 방식은 하향 처리(top-down)방식으로써 목표 대상의 위치를 예상하고, 예상한 영역에서 객체를 탐색하는 방법이다. 그리고 상향 처리 방식은 주로 현저성에 영향을, 하향 처리 방식은 맥락 정보에 영향을 받으며, 인지과학과 인지심리학분야에서는 이미지의 특성에 따라 각각의 영향이 고려되어야 함을 주장하였다(De Graef et al., 1990; Henderson, 2003; Koch and Ullman, 1985; Niebur, 2007).
	인간공학 및 Human-Computer Interaction 분야에서 사람의 시각 정보처리 과정에 대한 여러 연구가 진행된 이유는 무엇인가?	인간공학 및 Human-Computer Interaction(HCI) 분야에서는 사용자와 컴퓨터간의 활동에서 사람의 시각 탐색이 어떻게 진행되는지에 대한 처리 방식에 관심이 많기 때문에 사람의 시각 정보처리 과정에 대한 여러 연구(Halverson and Hornof, 2011; Kujala and Saariluoma, 2011; Ling and Van, 2004; Tuch et al., 2009; Jung, 2015)가 진행되고 있다.

참고문헌 (29)

Anderson, J. R. (2007), How can the human mind occur in the physical universe?, Oxford University Press.
Anderson, J. R., Bothell, D., Byrne, M. D., Douglass, S., Lebiere, C., and Qin, Y. (2004), An integrated theory of mind, Psychological Review, 111, 1036-1060.
Anderson, J. R., Matessa, M., and Lebiere, C. (1997), ACT-R : A theory of higher level cognition and its relation to visual attention, Human-Computer Interaction, 12(4), 439-462.

상세보기
Byrne, M. D. (2001), ACT-R/PM and menu selection : Applying a cognitive architecture to HCI, International Journal of Human-Computer Studies, 55(1), 41-84.

상세보기
De Graef, P., Christiaens, D., and d'Ydewalle, G. (1990), Perceptual effects of scene context on object identification, Psychological research, 52(4), 317-329.

상세보기
Halverson, T. and Hornof, A. J. (2011), A computational model of "active vision" for visual search in human-computer interaction, Human-Computer Interaction, 26(4), 285-314.

상세보기
Henderson, J. M. (2003), Human gaze control during real-world scene perception, Trends in cognitive sciences, 7(11), 498-504.

상세보기
Hornof, A. J. (2004), Cognitive strategies for the visual search of hierarchical computer displays, Human-Computer Interaction, 19(3), 183-223.

상세보기
John, B. E. and Kieras, D. E. (1996), Using GOMS for user interface design and evaluation: Which technique?, ACM Transactions on Computer-Human Interaction(TOCHI), 3(4), 287-319.

상세보기
Jung, K. (2015), Legible and preferred korean sizes for various colors and fonts, Journal of the Korean Institute of Industrial Engineers, 41(1), 59-63.

원문보기 상세보기
Koch, C. and Ullman, S. (1985), Shifts in selective visual attention : towards the underlying neural circuitry, Human Neurobiolgy, 4(4), 115-141.
Kujala, T. and Saariluoma, P. (2011), Effects of menu structure and touch screen scrolling style on the variability of glance durations during in-vehicle visual search tasks, Ergonomics, 54(8), 716-732.

상세보기
Lewis, R. L. and Vasishth, S. (2005), An activation-based model of sentence processing as skilled memory retrieval, Cognitive science, 29(3), 375-419.

상세보기
Ling, J. and Van Schaik, P. (2004), The effects of link format and screen location on visual search of web pages, Ergonomics, 47(8), 907-921.

상세보기
Lohse, G. L. (1993), A cognitive model for understanding graphical perception, Human-Computer Interaction, 8(4), 353-388.

상세보기
Niebur, E. (2007), Saliency map, Scholarpedia, 2(8), 2675.
Nyamsuren, E. and Taatgen, N. A. (2013), Pre-attentive and attentive vision module, Cognitive Systems Research, 24, 62-71.

상세보기
Oh, H., Jo, S., and Myung, R. (2011), Head Movement Module in ACT-R for Multi-display Environment, In Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 55(1), 1836-1839.
Oh, H., Jo, S., and Myung, R. (2014), Computational modeling of human performance in multiple monitor environments with ACT-R cognitive architecture, International Journal of Industrial Ergonomics, http://dx.doi.org/10.1016/j.ergon.2014.09.004

상세보기
Oh, H. and Myung, R. (2012), Modeling Human Visual Processing Within and Beyond the Oculomotor Range Using ACT-R Cognitive Architecture, In Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 56(1), 995-999.
Plumlee, M. D. and Ware, C. (2006), Zooming versus multiple window interfaces : Cognitive costs of visual comparisons, ACM Transactions on Computer-Human Interaction (TOCHI), 13(2), 179-209.

상세보기
Ritter, F. E., Van Rooy, D., Amant, R. S., and Simpson, K. (2006), Providing user models direct access to interfaces : An exploratory study of a simple interface with implications for HRI and HCI, Systems, Man and Cybernetics, Part A: Systems and Humans, IEEE Transactions on, 36(3), 592-601.

상세보기
Salvucci, D. D. (2001), An integrated model of eye movements and visual encoding, Cognitive Systems Research, 1(4), 201-220.

상세보기
Schneider, W. X. (1995), VAM : A neuro-cognitive model for visual attention control of segmentation, object recognition, and space-based motor action, Visual Cognition, 2(2-3), 331-376.

상세보기
St Amant, R. and Riedl, M. O. (2001), A perception/action substrate for cognitive modeling in HCI, International Journal of Human-Computer Studies, 55(1), 15-39.

상세보기
Torralba, A., Oliva, A., Castelhano, M. S., and Henderson, J. M. (2006), Contextual guidance of eye movements and attention in real-world scenes : the role of global features in object search, Psychological review, 113(4), 766.

상세보기
Treisman, A. (2006), How the deployment of attention determines what we see, Visual cognition, 14(4-8), 411-443.

상세보기
Tuch, A. N., Bargas-Avila, J. A., Opwis, K., and Wilhelm, F. H. (2009), Visual complexity of websites : Effects on users' experience, physiology, performance, and memory, International Journal of Human-Computer Studies, 67(9), 703-715.

상세보기
Walther, D. (2006), Interactions of visual attention and object recognition : computational modeling, algorithms, and psychophysics, Phd thesis, California Institute of Technology.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증