Visualisere Visuel tilpasning

Summary

I denne artikel beskrives en hidtil ukendt fremgangsmåde til simulering og undersøgelse tilpasning i det visuelle system.

Abstract

Mange teknikker er blevet udviklet til at visualisere, hvordan et billede ser ud til at en person med en anden visuel følsomhed: for eksempel på grund af optiske eller aldersforskelle, eller en farve mangel eller sygdom. Denne protokol beskriver en teknik til inkorporering sensorisk tilpasning i simuleringerne. Protokollen er illustreret med eksemplet med farvesyn, men er generelt anvendelig til enhver form for visuel tilpasning. Protokollen anvender en simpel model af human farvesyn baseret på standard og plausible antagelser om retinal og kortikale mekanismer, der koder farve og hvordan disse justere deres følsomhed over for både den gennemsnitlige farve og vifte af farver i den fremherskende stimulus. Gevinsterne for de mekanismer tilpasses således, at deres gennemsnitlige respons under en kontekst sidestilles til en anden sammenhæng. Simuleringerne hjælpe afsløre de teoretiske grænser for tilpasning og generere "tilpassede billeder", der er optimalt til en specifik environment eller observatør. De giver også en fælles måleenhed for at udforske virkningerne af tilpasning inden for forskellige observatører eller forskellige miljøer. Karakterisering visuel perception og ydeevne med disse billeder tilvejebringer et nyt værktøj til at studere de funktioner og konsekvenserne af langsigtet tilpasning i syn eller andre sansesystemer.

Introduction

Hvad kan verden se ud til andre, eller til os selv som vi ændre? Svarene på disse spørgsmål er fundamentalt vigtigt for forståelsen af ​​naturen og mekanismer perception og konsekvenserne af både normale og kliniske variationer i sensorisk kodning. En bred vifte af teknikker og fremgangsmåder er blevet udviklet til at simulere, hvordan billeder kan synes at personer med forskellige visuelle følsomheder. For eksempel indbefatter disse simuleringer af de farver, der kan skelnes ved forskellige typer af farve mangler ^{1, 2, 3, 4,} de rumlige og kromatiske forskelle, der kan løses ved spædbørn eller ældre observatører ^{5, 6, 7, 8, 9} , hvordan billeder vises i perifere syn <s op class = "xref"> 10, og konsekvenserne af optiske fejl eller sygdom ^{11, 12, 13, 14.} De er også blevet anvendt til at visualisere den forskelsbehandling, der er muligt for andre arter ^{15, 16, 17.} Typisk er sådanne simulationer bruge målinger af følsomhed tab i forskellige populationer til at filtrere et billede og dermed mindske eller fjerne konstruktionen, de har svært ved at se. For eksempel almindelige former for farveblindhed afspejler et tab af en af de to fotoreceptorer følsomme til mellemstore eller lange bølgelængder, og billeder filtreret for at fjerne deres signaler typisk forekommer blottet for "rødlig-grønlige" nuancer ^1. Tilsvarende spædbørn har dårligere skarphed, og dermed billederne behandles til deres reducerede rumlige følsomhed vises sløret f. "> 5 Disse teknikker giver uvurderlige illustrationer af, hvad én person kan se, at en anden måske ikke Men de ikke gør -. og ofte er ikke beregnet til – skildre den faktiske perceptuelle oplevelse af observatøren, og i nogle tilfælde kan fordreje mængde og typer af oplysninger til rådighed for iagttageren.

Denne artikel beskriver en ny teknik er udviklet til simulering forskelle i visuel oplevelse, der inkorporerer en grundlæggende egenskab ved visuel kodning – tilpasning ^{18, 19.} Alle sensoriske og motoriske systemer løbende tilpasse sig den kontekst, de er udsat for. En skarp lugt i et rum hurtigt svinder, mens vision plads til hvor lyst eller dæmpe rummet er. Vigtigt er, opstår disse justeringer for næsten enhver stimulus attribut, herunder "high-level" opfattelser såsom karakteristika for en persons ansigt ^20,class = "xref"> 21 eller deres stemme ^{22, 23,} samt kalibrering af motoriske kommandoer foretaget, når bevæge øjnene eller nå til en genstand ^{24, 25.} Faktisk tilpasning er sandsynligvis en vigtig egenskab for næsten alle neurale behandling. Dette papir illustrerer, hvordan man kan indarbejde disse tilpasnings- effekter i simuleringer af udseendet af billeder, ved dybest set "tilpasse billedet" at forudsige, hvordan det ser ud til en bestemt observatør under en særlig tilstand af tilpasning ^{26, 27, 28, 29.} Mange faktorer kan ændre følsomheden af ​​en observatør, men tilpasningen kan ofte kompensere for vigtige aspekter af disse ændringer, således at tabene følsomhed er mindre iøjnefaldende end det ville forudsiges uden at antage, at systemet tilpasser. Omvendt forditilpasning justerer følsomhed henhold til den aktuelle stimulus sammenhæng disse justeringer er også vigtigt at indarbejde til forudsigelse hvor meget opfattelse kan variere, når miljøet varierer.

Følgende protokol illustrerer teknikken ved at tilpasse indholdet af billederne farve. Farvesyn har den fordel, at de indledende neurale stadier af farvekoder er relativt godt forstået, ligesom de tilpasningsmønstre ^30. De faktiske mekanismer og justeringer er komplekse og varierede, men de vigtigste konsekvenser af tilpasning kan indfanges under anvendelse af en enkel og traditionel totrins model (figur 1a). I det første trin, er farvesignaler oprindeligt kodet af tre typer keglefotoreceptorer der er maksimalt følsomme over for kort, mellemlang eller lange bølgelængder (S, M og L kræmmerhuse). I det andet trin, bliver signalerne fra forskellige kegler kombineres inden post-receptoral celler til dannelse "farve-modstander" channels der modtager antagonistiske input fra de forskellige kegler (og dermed formidle "farve" information), og "ikke-modstander" kanaler, der summerer sammen kegle indgange (således kodning "lysstyrke" information). Tilpasning forekommer i begge faser, og justerer til to forskellige aspekter af farve – den gennemsnitlige (i keglerne) og variansen (i post-receptoral kanaler) ^{30, 31.} Målet med simuleringerne er at anvende disse justeringer modellen mekanismer og derefter gengive billedet fra deres tilpassede udgange.

Processen med at tilpasse billeder involverer seks primære komponenter. Disse er 1) at vælge de billeder; 2) at vælge formatet for billedet spektre; 3), der definerer ændringen i farve af miljøet; 4), der definerer ændringen i følsomhed observatør 5) at bruge programmet til at skabe de tilpassede billeder; og 6) ved hjælp af billederne for at vurdere konsekvenserne af tilpasningen. Than følgende betragter hvert af disse trin i detaljer. Den grundlæggende model og mekanisme responser er vist i figur 1, mens figur 2 – 5 viser eksempler på billeder behandlet med modellen.

Protocol

BEMÆRK: Protokollen illustrerede bruger et program, der gør det muligt at vælge billeder, og derefter tilpasse dem ved hjælp af optioner udvalgt af forskellige rullemenuer. 1. Vælg det billede til at tilpasse Klik på billedet og søg efter filnavnet på billedet for at arbejde med. Overhold det oprindelige billede i øverste venstre rude. 2. Angiv de Stimulus og Observer Klik på menuen "format" for at vælge, hvordan t…

Representative Results

Figurerne 2 – 4 illustrerer tilpasning simuleringer for ændringer i observatøren eller miljøet. Figur 2 sammenligner forudsagt udseende Cezanne s Stilleben med Æbler til en yngre og ældre observatør, der adskiller sig kun i tætheden af linsen pigment 28. Det originale billede set gennem den yngre øje (figur 2a) synes meget mere gul og lysdæmper gennem mere tæt pigmenteret linse (fi…

Discussion

Den illustrerede protokol viser hvordan effekten af ​​tilpasning til en ændring i miljøet eller observatøren kan skildres i billeder. Formen denne skildring tager, vil afhænge af de antagelser, for modellen – for eksempel hvor farve er kodet, og hvordan de kodende mekanismer reagere og tilpasse sig. Således det vigtigste skridt er at beslutte om modellen for farvesyn – for eksempel hvad egenskaberne af hypoteserne kanaler er, og hvordan de antages at tilpasse sig. De andre vigtige skridt er at indstille passend…

Materials

Computer

Images to adapt

Programming language (e.g. Visual Basic or Matlab)

Program for processing the images

Observer spectral sensitivities (for applications involving observer-specific adaptation)

Device emmission spectra (for device-dependent applications)