• Langue : Anglais
• Discipline : Psychologie, psychologie clinique, psychologie sociale
• Identifiant : 2021LILUH066
• Type de thèse : Doctorat
• Date de soutenance : 15/12/2021

Résumé en langue originale

Les images photoréalistes générées par des algorithmes de rendu physique utilisant la méthode de Monte Carlo induisent la présence de bruit visuel qui diminue lorsque le temps de calcul augmente. Nos travaux ont pour but de mieux comprendre la perception humaine de ce bruit afin d’optimiser le temps de calcul sans perte détectable de qualité des images. Le concept de bruit dans des images est une notion mal connue des participants naïfs. Cela pose certains défis méthodologiques car il nous a fallu adapter les paradigmes conventionnellement utilisées dans les tâches de recherche visuelle. Au cours de notre première étude, nous avons fait varier le niveau de bruit d’une partie de la scène en utilisant la méthode adaptative Quest+. Le seuil perceptif à 50% a été obtenu à partir de l’estimation de la fonction psychométrique. Dans une seconde tâche, les observateurs devaient détecter une différence de qualité en utilisant uniquement leur vision périphérique. Les résultats de cette étude ont révélé que les participants utilisent principalement leur vision centrale pour détecter une dégradation de la qualité de l'image. Les études écologiques dans la recherche de la qualité de l'image sont nécessaires pour permettre de comprendre la perception dans des conditions réelles. Nous avons mis en place une étude en ligne et nous avons collecté des données dans les deux conditions (laboratoire, en ligne). La comparaison des résultats a montré qu'il n'y a pas de différence significative entre les seuils mesurés dans ces différentes conditions. Enfin, nous nous sommes intéressé aux effets des scènes et des textures sur le seuil perceptif et les fixations. Ces analyses nous ont permis de remarquer que les zones non texturées et les plus claires sont les plus fixées et les plus utilisées pour déterminer la présence de bruit. Afin de prédire les fixations humaines nous avons proposé une nouvelle approche en calculant une carte de saillance sur la différenc e de deux images ayant des niveaux de bruit différents. Cette carte est une meilleure prédiction que la carte de saillance calculée sur une seule image pour la tache de détection du bruit. L’ensemble de nos résultats, s’appuyant sur la perception visuelle humaine, peuvent contribuer à améliorer les méthodes de rendu physique réalistes.

Résumé traduit

Computer-generated images are now commonly used in printed or electronic media. The physically-based rendering using the Monte Carlo method to produce these images induces the presence of visual noise which decreases when the computation time increases. Our research aims at better understanding the human perception of this noise to optimize the computation time without detectable loss of image quality. However, investigating noise perception creates some methodological challenges. The conventional paradigms used in visual search and scene viewing tasks are not well suited to measure noise perception because the definition of noise is an unfamiliar concept to naive participants. In our first study, we varied the noise level of a part of the scene using the adaptive method Quest+. The perceptual threshold at 50% was obtained from the estimated psychometric function. In a second task, observers were asked to detect a quality difference using only their peripheral vision. Our results revealed that participants are using primarily their most central vision to detect a degradation in image quality. Ecological studies in image quality research are needed to understand noise perception under real-world conditions. We implemented an online study and collected data in both conditions (laboratory, online). The comparison of the results showed that there was no significant difference between the thresholds measured in the different conditions. Finally, we investigated the effects of scenes and textures on perceptual threshold and fixation paths. These findings revealed that the non-textured and brightest areas are the most fixated and the most used to detect the presence of noise. In order to predict human fixations we proposed a new approach by computing a saliency map of the difference of two images with different noise levels. This map is a better prediction than the saliency map calculated on a single image for the noise detection task. Overall , our results, grounded on human visual perception, may contribute to improving realistic physically-based rendering methods.