苗绣纹样搜索中草图和文本检索的认知负荷对比研究

陈靖翕，陈洋，王子翱，彭莉

苗绣纹样搜索中草图和文本检索的认知负荷对比研究

陈靖翕，陈洋*，王子翱，彭莉

（贵州大学，贵阳 550025）

为了探究一种更高效的苗绣纹样检索方式，通过对手绘草图检索及文本检索过程中的认知负荷来进行对比研究。首先通过构建认知负荷信息检索过程模型，对5个认知阶段的平均认知负荷及所需时间进行实验对比；其次通过眼动指标（持续注视时间、眼球扫视振幅、眼球直径）及NASA-TLX评估对两种检索过程的认知负荷进行分析；最后基于眼动追踪得到可视化眼动数据（热点图、注视轨迹）验证是否符合检索任务需求。基于手绘草图的图形检索方式更适合于苗绣纹样检索，通过主、客观融合对比实验验证了草图检索的高效性，同时也验证了眼动追踪和NASA_TLX具有相关性，能更有效地进行认知负荷测量。

草图检索；认知负荷；眼动追踪；苗绣纹样

随着数字化技术的不断发展，涌现出越来越多更高效的方法和媒介，对正在消逝的大量非物质文化遗产的继承和传播来说具有重大意义。非遗文化是国家或民族在历史发展过程中创造、发展和继承下来的文化遗产，具有不可取代的价值。保护和传承非遗文化对于延续历史、增强文化自信、促进文明交流和建设文化强国都具有重要的意义[1]。在中国传统文化遗产中，纹样是一个极为重要的组成部分，苗族历史文化通过薪火相传的纹样图形作为文脉的载体来进行记载，对于非遗文化中苗族文化的传承至关重要[2]。在数字化的进程中，纹样检索扮演着保护、继承和传播纹样的关键角色。在过去通用的检索方式中，通常使用文本检索的方式来对纹样进行搜索，但显然这种检索方式对没有“文字系统”的苗族纹样而言，会造成检索的错失和谬误，这也使检索效率较为低下。随着手绘草图检索研究的提出，基于手绘草图的检索方式为苗绣纹样的搜索提供了一种新的可能性。传统文化与新兴数字化技术的结合能够提高非遗文化的创新力，高效的纹样检索方式能使苗族文化更好地进行活态传承。为此以苗绣纹样搜索为任务，通过手绘检索与文本检索两种方式进行认知负荷的对比，比较哪一种检索方式更适合于苗绣纹样检索研究，找到更高效的苗绣纹样检索方式。

1 相关工作

1.1 苗绣纹样研究现状

在苗绣纹样研究中，纹样中的图形符号不仅承载了苗族的历史文化生活也赋予了文化传承的功能，被誉为“无字史书”，由于历史传承导致人们对纹样存在过度的解读，仅凭只言片语很难对其纹样素材进行确切的表达。因此，在对苗绣纹样的检索过程中，仅依赖现有的单一文字信息分类检索，显然是不够精确可靠的。

随着图像技术的不断发展，以传统文化为载体，利用数字化技术为媒介对非遗文化进行活态传承与保护已是目前的研究趋势。李安娜等[3]通过K-means聚类算法对苗族刺绣图案进行色彩特征研究，为民族图案再创新及民族色彩数据库的建立提供了新方式。如图1所示，在对非遗文化的研究过程中，与非遗文化有相关共引的关键词主要有：保护传承、传承人、数字化、少数民族。近两年来，“数字化保护”一词出现的频率较高，这说明将数字化手段对非遗文化进行传承保护是目前的研究热点，图谱中还涉及了乡村振兴、少数民族文化、活态传承等热门话题。本研究以苗族纹样作为研究载体，对非遗文化传承保护具有重要意义。找到一个更高效的纹样检索方式不仅能够提高相关设计者的工作效率，而且能够推广苗绣产业、文创产品的发展，让更多人了解到苗绣纹样及其背后的故事。因此，本文提出采用草图检索的方式进行苗绣纹样检索研究。

1.2 基于手绘草图检索研究现状

手绘图形原本就是人类表达和传递信息的主要途径之一，手绘草图一直得益于其简洁有效的表达特点，被人们沿用至今。基于此，以手绘草图作为检索示例的基于草图的图像检索（Sketch Based Image Retrieval，简称SBIR）已经成为研究的热点。为了能够更好地保护和传承苗绣纹样，本文考虑将手绘草图检索结合到苗绣纹样上。

目前，将计算机视觉技术应用到民族纹样图案文化的传承与保护上还处于初探阶段，部分学者关于这个课题的研究也取得了一定的成效[4-5]。基于手绘草图的检索是一种新兴的信息检索方法，用户可以通过手绘草图的方式来描述他们所需的检索目标纹样，在对苗绣纹样进行特征提取和匹配后，检索系统将会从数据库中返回同类别纹样图像或特定的精确匹配相关纹样图像信息[6]。与传统的文本检索方式相比，文本检索存在例如语义匹配不够精确等问题。而草图检索具有一定的容错性，即使手绘草图的质量不高，仍然可以从数据库中检索出相关的信息。基于深度学习的方法是目前手绘草图检索研究的趋势，Zhang等[7]首次提出了草图生成模型从而可以缓解草图数据稀缺的困境，同时构造了一种考虑语义属性的FG-SBIR模型。Xu[8]给出了一个基于细粒度实例级草图的视频检索（FG-SBVR）这一新颖的任务数据集，并提出了一种新颖的多流多通道网络来解决在强监督和弱监督两种情况下的草图检索问题。Huang[9]探讨了文本和草图检索在视频输入中比较，并分析了用户的反应和反馈。上述文献体现出草图检索具有更良好的交互性及直观性，能够更好地适应用户的信息需求。

图1 近年非遗文化保护关键词共现图及时间线

1.3 认知负荷评估研究

认知负荷是指人类执行任务所需的认知资源数量和心理负担，是人类认知过程中的一个重要概念[10]。在使用不同检索方式过程中，因为它们的输入形式和处理方式不同，所以需要不同类型和程度的认知负荷。通过对检索过程中的认知负荷进行评估，可以了解不同检索方式在不同阶段的认知负荷大小和分布情况，从而揭示出检索方式之间的差异和优缺点，为检索方法的优化和改进提供参考。因此，认知负荷是一种可靠的评估指标，可以用来对不同的检索方式进行评估和比较。评估认知负荷的方法包括主观评价法、生理指标测量法、行为测量法和任务绩效等。主观评价法是通过询问参与者主观感受来评估认知负荷水平，常用的主观工具包括SWAT量表、WP量表、Paas心理努力量表和NASA-TLX（National Aeronautics and Space Administration-Task Load Index）量表[11]。行为测量法通过观察任务执行过程中参与者的行为反应来评估认知负荷水平。Lednevaa等[12]致力于解决数字文本中人工信息检索的问题，探讨了数字文本环境中导航条件的差异是否与眼动模式和表现所反映的信息检索行为的变化相一致。孟荣华等[13]通过参与者在任务执行过程中的错误率、反应时间等指标来反映任务难度和负荷水平。Jadue等[14]通过生理实验测量参与者的生理指标来评估用户的意图，通过比较由眼动仪获得的眼动参数来评估用户的认知负荷。

认知负荷对比试验是一种用来研究人类认知负荷的实验方法。认知负荷对比试验通过将不同类型任务的认知负荷进行比较，可以帮助人们了解哪些因素会增加或减少人类认知负荷[15-16]，从而更好地提高用户认知效率以促进其对信息的获取及利用。Harada等[17]通过组内不同视觉搜索交互任务中的对照试验来验证了交互系统的有效性。Tsai等[18]通过对比在不同机制的搜索任务性能，从而提出了一种可以有效地降低使用者的认知负荷增强内容自适应管理方法。Armougum等[19]提供了一种在野外实验中客观考察认知负荷的主客观新方法，通过对不同专业水平的旅行者认知负荷的变化进行研究，来优化旅行者的认知负荷。

本文在苗绣检索交互系统的基础上，通过设计纹样检索对比实验，综合利用主客观测量指标，评估用户在检索过程中采用不同检索方式的认知负荷，从而对比分析出哪种方式更适合于苗绣检索。信息检索的过程通常是一个不间断的活动，为了更加准确地测量检索过程中的认知负荷，本研究结合苗绣纹样的不同检索方式特点，对原有的信息搜寻过程模型进行优化，利用生理指标和主观评价数据作为评价指标，对两种检索方式进行对比研究，评估输出的有效性，为降低用户认知负荷水平、提高纹样检索的效率提供优化途径。

2 方法

2.1 基于文本与草图的苗绣纹样检索

本文通过两种不同方式进行苗绣纹样检索。针对苗绣纹样的基础检索方式为文本检索（文本检索流程见图2），在目标检索任务中，用户通过输入关键词在线检索，检索阶段提取查询文档的文本特征，计算与数据库中各文档的特征向量之间的距离，并返回距离最近的文档索引作为结果。

图2 文本检索流程

Fig.2 Retrieval process based on text

针对苗绣纹样的草图检索流程（见图3），首先用户通过手绘草图的方式输入查询条件；然后通过特征提取，从输入的草图中提取出特征向量；最后将用户输入草图所提取的草图特征与纹样草图特征库中的特征进行匹配，对图像特征向量进行相似度计算，得出每幅图像与查询图像的相似度得分，最后将得分排在前几名的图像作为检索结果进行输出，以图像形式呈现给用户。

图3 手绘草图检索流程（以蝴蝶纹样为例）

2.2 认知负荷信息检索过程模型

为了探究在苗绣纹样搜索过程中用户采用不同检索方式的认知负荷变化情况，本文以Kuhlthau[21]的信息搜寻过程（ISP）模型作为研究基础，该模型的特点是面向整个检索过程的，能够更加具体地呈现出每个检索步骤。然而在不同领域中存在相应的差异，因此本文根据苗绣纹样检索过程中的特点，在原有模型基础上进行改进。

通过对在该领域工作的设计搜索者和对该领域感兴趣的业余爱好搜索者进行了深入地了解与访谈，从而理解苗绣纹样相关的检索过程、任务和存在的问题难点。针对苗绣纹样信息检索过程中不同任务阶段的认知负荷，可分为5个阶段（见表1），本实验将以在苗绣纹样检索过程中的5个任务阶段作为测量单位进行研究分析，从而对草图检索及文本检索两种检索过程的认知负荷及时间进行对比。

信息检索过程中不同任务阶段的认知负荷会根据具体的任务特点和难度而有所不同。本文采用主客观相结合的测量方式，通过可视化的方式呈现对比效果。本文选取目前使用范围最广的NASA- TLX评价量表配合生理测量法来评估测量被试在操作中的认知负荷水平[22-21]。NASA-TLX量表通过问卷形式发放，要求被试者在完成实验操作后填写，包括NASA- TLX量表的6项指标评分（心理需求、生理需求、时间需求、表现、努力和沮丧程度）和权重指标。本研究中用客观测量法，通过眼动设备分析眼动指标，即眼跳幅度、凝视注视持续时间和瞳孔直径，可以更深入地了解两种检索过程用户的认知负荷不同。

表1 检索过程的任务阶段划分

Tab.1 Task stage division of the retrieval process

3 实验

3.1 实验对象

本研究招募了20名具有一定学历且教育背景相似的参与者（10名男性，10名女性），参与者的平均年龄（±标准差）为23.8（±4.5）岁。所有的参与者都精通平板电脑的操作，并且在实验中保持独立思考的能力。将参与者平均分为两组（每组男女人数相同），一组通过输入文本进行纹样检索，另一组通过手绘草图进行纹样检索。在实验开始之前，确保这些参与者有足够的时间来熟悉操作系统，并尝试检索样本查询的纹样图片。

3.2 实验设备

该实验环境由一台高分辨率显示器、SMI iView- X RED120眼动仪和一台个人电脑组成。将眼动仪放置在显示屏下方用于捕捉眼球轨迹。参与者坐在椅子上，与显示器保持0.5 m距离，以确保观察到良好的显示效果，最后使用E-prime软件进行眼动数据分析，见图4。

图4 实验场景与设备

3.3 实验设计与步骤

本实验运用项目中的苗绣纹样系统，所有纹样图片数据均来源于系统所构建的苗绣纹样图案数据集。本研究的目标是评估文本检索与草图检索的认知负荷水平及检索效率。文本组通过输入关键字对目标纹样图片进行检索，草图组通过手绘草图完成纹样检索。

为了更好地评估针对苗绣纹样的检索方式对比，选择应用相同的检索任务。该实验给定6种不同的检索任务，每个任务都含有不同纹样的图片。对于这些任务，已经讨论确保了任务的可行性，并且列出了每个任务纹样图片的内容（见表2）。在实验开始之前，所有参与者都被要求对目标图片进行1 min的浏览，最终目标是通过输入关键文字或者绘制出相关草图来找到相似的纹样图片。在这个过程中，他们将根据对每个检索任务开始前所呈现的每个目标纹样图片的理解，在实验设备上输入查询。在实验结束后，参与者将关闭检索系统并填写相关实验问卷。基于参与者在完成苗绣纹样检索过程中的表现，与其进行访谈。

表2 6种检索任务及输入草图/文本示例

Tab.2 6 retrieval tasks and input sketch/text examples

4 结果与分析

4.1 认知负荷信息检索过程测量结果

本实验选取使用目前适用范围最广的NASA- TLX量表作为主观评价量表来测量实验者在检索过程中的认知负荷水平。由于该量表的评分结果过于主观，无法直接作为认知负荷的评价指标。因此，对该量表各维度评分结果进行归一化处理,再对各维度处理后的数据进行算术平均，最后将得到的平均值作为主观评价结果。在每个参与者完成对应任务之后,将收集到的数据导出并计算认知负荷水平。

由于文本检索需要更多的语言能力和记忆能力，而草图检索则需要更多的图像理解和创造能力。这可能导致在不同的认知阶段中，对不同认知负荷的需求有所不同。根据表3所示，在整个检索过程中，S代表草图检索，T代表文本检索。在需求分析阶段，草图检索的认知负荷略高于文本检索。这是因为在构思如何进行手绘时，相比于思考关键词，草图检索需要更多的思维创造力。然而在之后的4个阶段中，草图检索的认知负荷均低于文本检索。匹配阶段是两种检索方式中认知负荷最高的阶段，该阶段包括被试者判断纹样是否与自己预期的结果匹配。文本检索的平均时间比草图检索长6.07 s，认知负荷也多1.12。这说明文本检索的结果更为分散，被试者需要更多的精力去匹配目标纹样。整个检索过程的任务阶段中，手绘检索的平均认知负荷比文本检索减少了14.8%，手绘检索所花的时间比文本检索减少了14.3%。

表3 检索过程的任务阶段结果对比

Tab.3 Comparative results of task stages in retrieval process

注：S代表草图检索，T代表文本检索。

从图5中的折现图可看出在5个认知阶段中，文本检索的平均认知负荷明显高于草图检索，但是在查询构建的阶段，草图检索所需的平均时间要高于文本检索，这是由于草图检索的过程中人需要考虑图形匹配度及草图的绘制。最后在匹配阶段文本检索所花的时间是远高于草图检索的，证明草图检索得出的纹样结果相关性更强，被试者更容易找到所需的纹样图片。

4.2 两种检索过程认知负荷主客观评估结果

图4展示了在研究过程中测量的不同眼动指标（凝视注视持续时间、扫视幅度和瞳孔直径）及NASA-TLX主观测量的描述性分析。

4.2.1 持续注视时间

4.2.2 眼球扫视振幅

4.2.3 瞳孔直径

图5 不同检索方式的认知阶段评价指标对比

4.2.4 NASA-TLX

4.2.5 相关性分析

为了研究三种认知负荷测量方法之间的相关性，对整个测试样本进行了眼动指标（扫视幅度、瞳孔直径和凝视持续时间）、NASA-TLX的相关性矩阵分析。发现扫视幅度和瞳孔直径、扫视幅度和凝视持续时间、瞳孔直径和凝视持续时间之间存在显著的正相关关系，<0.001。这些不同的相关关系都是正向的，且被认为是强相关的（2分别为0.86、0.77和0.83）。还发现NASA-TLX与三种调查眼动指标（扫视幅度，<0.05；瞳孔直径，<0.01；凝视持续时间，<0.05）之间存在显著的正相关关系。这些相关关系在强度方面被认为是中等的（2分别为0.57、0.53和0.39），具体结果见表4。

图6 不同认知负荷指标的平均分

表4 NASA-TLX 和眼动指标之间的相关矩阵

Tab.4 Correlation matrix between NASA-TLX and eye-tracking metrics

4.3 可视化试验测量结果

通过图7注意力热图所示，图7a文字检索所呈现的结果通过“蝴蝶”一词进行相关性顺序依次排列下来，而图7b是以草图的特征进行相关性排列，呈现的结果越靠前证明与输入的信息越匹配。如图7a所示，被试者通过文字检索得出的苗绣图片结果中，其注意力是离散的，只有经过一系列查阅或是翻阅以后才能够得出想要的蝴蝶纹样结果。而在图7b中，通过草图检索得出的纹样图片在前两排就可以找到被试者想要的图片，他们的视线更聚焦在纹样图片的前两排。证明草图检索所获取的苗绣纹样与人们想要的答案更匹配。

通过图8注视轨迹图可知，使用草图检索的注视轨迹较为规律，注视点大多集中在靠前的几张图片上。而使用文本检索的在视觉显示处理期间显示随机扫描路径，注视点较为跳跃。结果表明通过草图检索所得出的纹样结果更符合被试者的心理预期。

5 结语

本研究对苗绣纹样搜索的两种检索方式进行了认知负荷的评估。首先通过信息检索过程的5个阶段分析了两种检索方式的平均认知负荷及时间；其次使用客观度量（眼动追踪）和主观度量（NASA-TLX负载指数）来识别草图检索和文本检索时认知负荷水平，结果基于手绘草图检索苗族纹样的各项眼动指标，NASA-TLX平均分均低于文本检索，可得出草图检索的认知负荷是更低的；最后通过可视化实验的对比验证了通过草图检索的方式更适合于对苗绣纹样进行搜索。此外，也验证了眼动追踪和NASA-TLX具有相关性，能有效地进行生理认知负荷测量。

[1] 王一鸣. 百年大变局,高质量发展与构建新发展格局[J]. 新华文摘, 2021(7): 7.WANG Y M. Century-Old Great Changes, High-Quality Development and Construction of New Development Pattern[J]. Xinhua Abstract, 2021(7): 7.

[2] 缑蒙硕, 王巍衡. 苗族纹样在视觉传达设计中的运用研究[J]. 鞋类工艺与设计, 2023, 3(3): 76-78. GOU M S, WANG W H. Research on the Application of Miao Pattern in Visual Communication Design[J]. Shoes Technology and Design, 2023, 3(3): 76-78.

[3] 李安娜, 梁燕. 基于聚类算法的黔东南苗族鸟纹刺绣图案色彩特征研究[J]. 包装工程, 2023, 44(24): 357- 366. LI A N, LIANG Y. Color Characteristics of Bird Pattern Embroidery of Miao in Qiandongnan Based on K-Means Clustering Algorithm[J]. Packaging Engineering, 2023, 44(24): 357-366.

[4] 邹悦, 潘伟杰, 吕健, 等. 基于多任务学习的蜡染纹样图案检索方法[J]. 计算机工程与设计, 2022, 43(4): 1052-1058. ZOU Y, PAN W J, LYU J, et al. Batik Pattern Retrieval Method Based on Multi-Task Learning[J]. Computer Engineering and Design, 2022, 43(4): 1052-1058.

[5] 张茜, 刘骊, 付晓东, 等. 结合标签优化和语义分割的服装图像检索[J]. 计算机辅助设计与图形学学报, 2020, 32(9): 1450-1465.ZHANG Q, LIU L, FU X D, et al. Clothing Image Retrieval by Label Optimization and Semantic Segmentation[J]. Journal of Computer-Aided Design & Computer Graphics, 2020, 32(9): 1450-1465.

[6] DAI D W, TANG X Y, LIU Y G, et al. Multi-Granularity Association Learning for On-the-Fly Fine-Grained Sketch-Based Image Retrieval[J]. Knowledge-Based Systems, 2022, 253: 109447.

[7] ZHANG X L, SHEN M L, LI X M, et al. A Deformable CNN-Based Triplet Model for Fine-Grained Sketch- Based Image Retrieval[J]. Pattern Recognition, 2022, 125: 108508.

[8] XU P, LIU K, XIANG T, et al. Fine-Grained Instance- Level Sketch-Based Video Retrieval[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2021, 31(5): 1995-2007.

[9] HUANG Y, MA C X, WANG H A. Exploring the Benefits of Text and Sketch in Video Retrieval of Complex Queries[C]// Proceedings of the 8th International Symposium on Visual Information Communication and Interaction. Tokyo: ACM, 2015.

[10] 陈巧芬. 认知负荷理论及其发展[J]. 现代教育技术, 2007, 17(9): 16-19. CHEN Q F. Cognitive Load Theory and Its Development[J]. Modern Educational Technology, 2007, 17(9): 16-19.

[11] 查先进, 黄程松, 严亚兰, 等. 国外认知负荷理论应用研究进展[J]. 情报学报, 2020, 39(5): 547-556. ZHA X J, HUANG C S, YAN Y L, et al. Progress of Foreign Cognitive Load Theory Application Research[J]. Journal of the China Society for Scientific and Technical Information, 2020, 39(5): 547-556.

[12] LEDNEVA T, KOVALEV A. Cognitive Load Measurement during Navigation and Information Retrieval in Digital Text[J]. Procedia Computer Science, 2021, 192: 2720-2730.

[13] 孟荣华, 李子奇, 吴正佳, 等. 基于装配任务与EEG功率信息特征的操作员认知负荷研究[J]. 机械设计, 2022, 39(11): 60-70.MENG R H, LI Z Q, WU Z J, et al. Study on Cognitive Load of Operators Based on Assembly Task and EEG Power Information Features[J]. Journal of Machine Design, 2022, 39(11): 60-70.

[14] JADUE J, SLANZI G, SALAS L, et al. Web User Click Intention Prediction by Using Pupil Dilation Analysis[C]// 2015 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology (WI-IAT). Singapore: IEEE, 2015.

[15] LI X M, LI X N, ZHANG J S. Longitudinal Reading Outcome and Cognitive Load in Individual-and Collaboration-Based Environments[J]. Interactive Learning Environments, 2023: 1-14.

[16] BIONDI F N, SABERI B, GRAF F, et al. Distracted Worker: Using Pupil Size and Blink Rate to Detect Cognitive Load during Manufacturing Tasks[J]. Applied Ergonomics, 2023, 106: 103867.

[17] HARADA Y, OHYAMA J. Quantitative Evaluation of Visual Guidance Effects for 360-Degree Directions[J]. Virtual Reality, 2022, 26(2): 759-770.

[18] TSAI C H, HUANG J Y. Augmented Reality Display Based on User Behavior[J]. Computer Standards & Interfaces, 2018, 55: 171-181.

[19] ARMOUGUM A, GASTON-BELLEGARDE A, JOIE- LA MARLE C, et al. Physiological Investigation of Cognitive Load in Real-Life Train Travelers during Information Processing[J]. Applied Ergonomics, 2020, 89: 103180.

[20] YU Q, LIU F, SONG Y Z, et al. Sketch me that Shoe[C]// 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Las Vegas: IEEE, 2016.

[21] KUHLTHAU C C. Inside the Search Process: Information Seeking from the User's Perspective[J]. Journal of the American Society for Information Science, 1991, 42(5): 361-371.

[22] KRIEGLSTEIN F, BEEGE M, REY G D, et al. Development and Validation of a Theory-Based Questionnaire to Measure Different Types of Cognitive Load[J]. Educational Psychology Review, 2023, 35(1): 9.

Comparative Study on Cognitive Load between Sketch-based and Text-based Retrieval for Miao Embroidery Patterns

CHEN Jingxi, CHEN Yang*, WANG Ziao, PENG Li

(Guizhou University, Guiyang 550025, China)

The work aims to explore a more efficient way of retrieving Miao embroidery patterns by conducting a comparative study on the cognitive load during hand-drawn sketch retrieval and text-based retrieval processes. A cognitive load information retrieval model was constructed to experimentally compare the average cognitive load and required time across five cognitive stages. Eye-tracking metrics (such as dwell time, saccade amplitude, and pupil diameter) and NASA-TLX evaluations were employed to analyze the cognitive load of the two retrieval processes. Finally, visual eye-tracking data (heatmap and gaze path) were obtained to validate whether they met the requirements of the retrieval task. The graph retrieval method based on hand-drawn sketches is found to be more suitable for Miao embroidery pattern retrieval. The efficiency of sketch retrieval is validated through subjective and objective integrated comparative experiments. Additionally, the correlation between eye-tracking and NASA-TLX is confirmed, making them more effective for measuring cognitive load.

sketch retrieval; cognitive load; eye-tracking; Miao embroidery pattern

TB472

A

1001-3563(2024)04-0253-09

10.19554/j.cnki.1001-3563.2024.04.027

2023-09-22

贵州省科技计划项目（黔科合支撑【2021】一般396）