研究目的
通过大规模用户评估,研究六种体绘制技术对半透明结构中深度与形状感知的感知影响。
研究成果
评估结果表明,模拟自然光照现象的技术(特别是体积光晕和深度暗化)在绝对深度和形状感知方面表现最佳,支持假设H1。体积线框图对形状感知有益,支持假设H2。景深技术因深度表征模糊而效果欠佳。没有一种技术在所有任务中都表现出色,这表明透明度感知具有复杂性。建议使用体积光晕来普遍提升感知效果,使用体积线框图进行以形状为重点的应用。未来的工作应探索与立体线索及其他技术的组合。
研究不足
该研究仅限于静态图像以避免运动诱导的线索,这可能无法捕捉交互场景。由于时间和资源限制,仅评估了部分技术。众包引入了参与者环境(如屏幕设置)的差异性,且某些任务(如量规图)具有挑战性,可能无法产生可靠结果。参数调整被最小化,但这可能会排除更复杂的技术。
1:实验设计与方法选择:
采用被试内随机设计,通过感知任务比较六种体绘制技术(直接体绘制、景深效果、深度暗化、体晕染、体绘制插图、体线条绘制)。研究生成90张静态图像(每种技术15张),执行四项任务:绝对深度估计、序数深度估计、表面朝向(量规图任务)和视觉吸引力排序。
2:样本选择与数据来源:
通过亚马逊众包平台招募300名参与者,281人完成研究。视觉刺激使用医学、工程和材料科学领域的多种体数据集生成以确保普适性。
3:实验设备与材料清单:
采用开源框架Inviwo实现技术并生成图像。用户研究通过亚马逊众包平台进行众包采集。
4:实验流程与操作规范:
参与者在线无时限完成任务,任务顺序随机化。收集正确率和响应时间数据。
5:数据分析方法:
采用重复测量方差分析(rANOVA)及Tukey事后检验。误差指标包括:绝对深度的百分比误差、序数深度的正确率、朝向的角误差、视觉吸引力的偏好计数。根据反馈、误差阈值和响应时间过滤异常值参与者。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容