Во временной обработке стимулов модель задействует только два рабочих окна (четыре поля), и, таким образом, несмотря на то, что она способна прогнозировать воспринимаемость относительно высокочастотных вариаций стимулов в видео (мерцание), она не может предсказать различимость низкочастотных вариаций (последнее требует использования модели, ориентированной на восприятие, а не на JND). Модель Sarnoff также не предназначена для видеовизуализации.
Сказанное выше не является критикой Sarnoff-модели, но иллюстрацией того, насколько сильно ее цели отличны от целей и задач iCAM.
Заметим, что наука о зрении утверждает, что JND-прогнозы нелинейно соотносятся с восприятием надпороговых отличий, - это значит, что использование JND-модели в целях прогнозирования надпороговых отличий в изображениях вполне возможно, и, таким образом, Sarnoff JND-модель может с определенным успехом применяться к надпороговым данным.
Подобной Sarnoff JND является DFQ-модель (Digital Video Quality), разработанная NASA и опубликованная в свое время Ватсоном (1998, 2001). DFQ-метрика аналогична концепции Sarnoff JND, но существенно отличается от нее по исполнению: ее пространственное деление основано на т.н. коэффициентах дискретного косинус-преобразования (discrete cosine transformation - DCT), контролирующего работу аппаратов и, в частности, пригодного для распознавания артефактов в DCT-алгоритмах видеосжатия. Модель также имеет развитый временной фильтр, способный прогнозировать различные темпоральные артефакты.
Подобно Sarnoff JND, модель DVQ нацелена на прогнозирование вероятности визуального обнаружения пороговых отличий между изображениями, а не на прогноз восприятия через пространственную или временную адаптации (или атрибуты восприятия), и, следовательно, не может применяться для видеовизуализации. И вновь мы скажем, что это не недостаток, а скорее целевая особенность модели DVQ.
Несмотря на то, что модели цветового восприятия, будучи внедренными в современные CMS, весьма успешно управляют процессом аппаратно-независимого цветовоспроизведения, еще многое предстоит сделать в плане их усовершенствования и расширения возможностей.
Для решения проблем описания и учета пространственных свойств зрения, а также для описания результатов восприятия изображений и оценки их качества была выдвинута концепция моделей восприятия изображений (Фершильд и Джонсон, 2002; Фершильд, 2002): модели восприятия изображений сочетают в себе элементы моделей цветового восприятия с элементами моделей пространственного зрения (последние и ранее использовались в метрике качества изображений с целью модернизации моделей восприятия).
До сего времени модели цветового восприятия, такие, как CIECAM97s и CIECAM02, игнорировали пространственные аспекты зрения, в то время как собственно модели пространственного зрения, предназначенные для оценки качества изображений, игнорировали цвет (Дэли, 1993; Lubin, 1993). Определенное исключение представляют собой ранее упоминавшиеся ретинексные модели (Лэнд, 1964, 1986; Лэнд и Мак-Канн, 1971; Мак-Канн и колл., 1976) и их всевозможные производные (Фант и колл., 2000; Барнард и Фант, 1997; Брайнард и Ванделл, 1986). Несмотря на то, что ретинексная модель никогда не была ни полной моделью восприятия изображений, ни моделью оценки их качества, ее гибкие пространственные механизмы хроматической адаптации и цветовой константности в конечном счете служат целям визуализации изображений и готовят почву для создания моделей их восприятия. Пространственные ATD-модель (Грэнджер, 1993) и S-CIELAB-модель (Чанг и Ванделл,