Summary

시각 적응을 시각화

Published: April 24, 2017
doi:

Summary

이 문서는 시뮬레이션 및 시각 시스템에서 적응을 연구하기위한 새로운 방법을 설명한다.

Abstract

컬러 결핍 또는 질병 때문에 광학 나이 차이, 예를 들면, 또는 : 대부분의 기술은 이미지가 다른 시각 감도 개인에게 나타나는 방법을 시각화하기 위해 개발되었습니다. 이 프로토콜은 시뮬레이션에 감각 적응을 통합하는 기술에 대해 설명합니다. 프로토콜은 색각의 실시 예로 설명하지만, 시각 적응 임의의 형태에 적용 가능하다. 이 프로토콜은 망막 및 대뇌 피질의 메커니즘 인코딩 색상과 어떻게 이러한 일반적인 자극 색상의 평균 색상과 범위 모두에 자신의 감도를 조정에 대한 표준 및 그럴듯한 가정을 기반으로 인간의 컬러 비전의 간단한 모델을 사용합니다. 하나의 상황에서 그들의 평균 응답 다른 컨텍스트 동일시되도록 메커니즘의 이득은 적응된다. 시뮬레이션은 적응의 이론적 한계를 드러내고 최적 특정 ENVIRO 일치되는 "구성된 이미지"를 생성하는 데 도움nment 또는 관찰자. 그들은 또한 다른 관찰자 또는 다른 환경에서 적응의 효과를 탐구하기위한 공통의 메트릭을 제공합니다. 이러한 이미지와 시각적 인식과 성능을 특성화하는 비전이나 다른 감각 시스템에서 장기 적응의 기능과 결과를 연구하기위한 새로운 도구를 제공합니다.

Introduction

우리의 변화에 ​​따라 세계는 다른 사람, 또는 자신에게 어떤 모습 수 있는가? 이러한 질문에 대한 답변은 자연과 인식의 메커니즘과 감각 코딩의 정상 및 임상 적 변화 모두의 결과를 이해하는 데 근본적으로 중요하다. 기술과 접근 방식의 다양한 이미지를 다른 시각 민감도와 개인에게 나타날 수있는 방법을 시뮬레이션하기 위해 개발되었다. 예를 들어, 이들 색 결함의 종류에 의해 구별 될 수있는 색상의 시뮬레이션을 포함하는 1, 2, 3, 4, 유아 나 노인 관찰자 5, 6, 7, 8에 의해 해결 될 수있는 공간 및 색 차이 9 이미지는 주변 시야에 표시되는 방법 <s 클래스 = "외부 참조"> (10), 및 광학 오류나 병 11, 12, 13, 14의 결과입니다. 그들은 또한 다른 종 15, 16, 17에 대한 수있는 차별을 시각화하기 위해 적용되었습니다. 전형적으로, 이러한 시뮬레이션 이미지를 필터링함으로써 감소 또는 어려움이보고 구조를 제거하는 다른 집단의 감도 손실의 측정치를 사용한다. 예를 들어, 색맹의 일반적인 형태는 중간 또는 긴 파장에 민감한 두 감광체 중 하나의 손실을 반영하고, 그 신호를 제거하도록 필터링 된 이미지는 통상적으로 "붉은 녹"1 색상의 결여 나타난다. 마찬가지로, 유아의 시력이 좋지, 따라서 그들의 환원 처리 공간 감도 이미지가 흐릿 ..> 5 F "이 기술은 그러나, 그렇지 않은 또 다른하지 않을 수 있음을 한 사람이 볼 수있는의 귀중한 그림을 제공합니다 – 자주하는 것은 아니다 – 관찰자의 실제 지각 경험을 묘사하고, 어떤 경우에는을 잘못 할 수있다 관찰자가 사용할 수있는 정보의 양과 종류.

적응 (18, 19) -이 문서 영상 부호화의 기본 특성을 통합 시각적 경험의 차이를 시뮬레이트하기 위해 개발 된 신규 한 방법을 설명한다. 모든 감각 및 모터 시스템은 지속적으로 그들이 노출되는 상황에 적응. 비전은 실내가 얼마나 밝거나 어둡게에 수용 동안 방에 자극적 인 냄새는 빨리 사라져요. 중요한 것은, 이러한 조정은 사람의 얼굴 (20)의 특성으로 "높은 수준의"인식을 포함하여 거의 모든 자극 속성에 발생,클래스 = "외부 참조"> (21) 또는 음성 (22), (23)뿐만 아니라, 눈 또는 이동 물체 (24), (25)에 도달 할 때 이루어지는 모터 명령을 교정. 사실, 적응 가능성이 거의 모든 신경 처리의 필수 속성입니다. 이 논문은 기본적으로 적응 26, 27, 28, 29의 특정 상태에서 특정 관찰자에게 어떻게 나타나는지 예측하는 "이미지를 적응"에 의해, 이미지 모양의 시뮬레이션에 이러한 적응 효과를 통합하는 방법을 보여줍니다. 많은 요인은 관찰자의 감도를 변경할 수 있지만, 감도 손실이 시스템이 적응한다고 가정하지 않고 예측되는 것보다 덜 눈에 띄는되도록 적응은 종종 이러한 변화의 중요한 측면을 보정 할 수 있습니다. 반대로, 때문에적응은 현재의 자극 상황에 따라 감도를 조절, 이러한 조정은 환경이 변할 때 많은 인식이 다를 수 있습니다 어떻게 예측 통합하는 것이 중요합니다.

다음 프로토콜은 이미지의 색상 내용을 적용하여 기술을 보여줍니다. 적응 (30)의 패턴을 그대로 컬러 비전 컬러 코딩의 초기 단계 신경 비교적 잘 알려져있는 이점을 갖는다. 실제 조정 메커니즘은 복잡하고 다양하지만, 적응의 주요 결과는 단순하고 종래의 2 단계의 모델 (도 1A)를 사용하여 포착 될 수있다. 첫 번째 단계에서, 색 신호는 처음에 짧은 중간 또는 장파장 (S, M, L 및 콘)에 최대한 민감 콘 감광체의 세 가지 유형으로 인코딩된다. 두 번째 단계에서, 상이한 콘으로부터의 신호는 "색 상대"차를 형성하기 위해 사후 receptoral 세포 내 결합상이한 콘에서 길항 입력을 수신 nnels은 (따라서 "밝기"정보를 코딩하는 유전자), 및 콘의 입력을 함께 합산 '비 상대 "채널 (따라서"컬러 "정보를 전달). 적응은 두 단계에서 발생하고, 두 개의 서로 다른 색의 조정 측면 – (콘)에서 평균과 (포스트 receptoral 채널)에 분산 (30), (31). 시뮬레이션의 목적은 자신의 적응 출력에서 ​​이미지를 모델 메커니즘에 이러한 조정을 적용하고 렌더링하는 것입니다.

적응 이미지의 과정은 여섯 개 기본 구성 요소를 포함한다. 이들은 1) 이미지를 선택하고, 2) 이미지 스펙트럼의 형식을 선택; 3) 환경의 색의 변화를 정의하는 단계; 4) 관찰자의 감도의 변화를 정의하는 단계; 5) 적합한 이미지를 생성하는 프로그램을 이용하는 단계; 6) 적응의 결과를 평가하기 위해 이미지를 사용하여. 티그는 다음에서는 이러한 각 단계를 고려한다. 이미지도 5의 예와 함께 렌더링 모델 -도 2 중에 기본 모델과 반응기구는,도 1에 도시되어있다.

Protocol

참고 : 프로토콜이 그림은 하나의 이미지를 선택한 후 다른 드롭 다운 메뉴에서 선택한 옵션을 사용하여 적용 할 수있는 프로그램을 사용합니다. 1. 적응하기 위해 이미지를 선택 이미지를 클릭하고 작업 할 이미지의 파일 이름을 찾습니다. 왼쪽 창에서 원본 이미지를 관찰합니다. 2. 자극과 관찰자 지정 이미지와 관찰자를 표현하는…

Representative Results

4 관찰자 또는 환경의 변화에 대한 적응 시뮬레이션을 예시 – 2도. 그림 2는 렌즈 안료 (28)의 밀도 만 다른 젊은 세 이상 관찰자에 대한 사과와 세잔의 정물화의 예측 모양을 비교합니다. 젊은 눈 (그림 2a)을 통해 본 원래 이미지가 더 조밀하게 착색 된 렌즈를 통해 많은 yellower와 디머 나?…

Discussion

도시 된 프로토콜은 환경이나 관찰자의 변화에 ​​적응의 효과는 이미지를 묘사 할 수있는 방법을 보여줍니다. 다음은이 묘사 모델을 위해 만든 가정에 따라 달라집니다 걸리는 형태 – 색상 인코딩 방법, 예를 들어, 어떻게 인코딩 메커니즘 대응하고 적응. 가설 채널의 특성이 무엇인지 예를 들어, 그들은이 적응하기 위해 가정 방법 – 따라서 가장 중요한 단계는 컬러 비전의 모델을 결정한다. 다…

Disclosures

The authors have nothing to disclose.

Acknowledgements

건강 (NIH) 부여 EY-10834의 국립 연구소에 의해 지원됩니다.

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)

References

  1. Vienot, F., Brettel, H., Ott, L., Ben M’Barek, A., Mollon, J. D. What do colour-blind people see?. Nature. 376, 127-128 (1995).
  2. Brettel, H., Vienot, F., Mollon, J. D. Computerized simulation of color appearance for dichromats. J Opt Soc Am A Opt Image Sci Vis. 14, 2647-2655 (1997).
  3. Flatla, D. R., Gutwin, C. So that’s what you see: building understanding with personalized simulations of colour vision deficiency. Proceedings of the 14th international ACM SIGACCESS conference on Computers and accessibility. , 167-174 (2012).
  4. Machado, G. M., Oliveira, M. M., Fernandes, L. A. A physiologically-based model for simulation of color vision deficiency. IEEE Trans. Vis. Comput. Graphics. 15, 1291-1298 (2009).
  5. Teller, D. Y. First glances: the vision of infants. the Friedenwald lecture. Invest. Ophthalmol. Vis. Sci. 38, 2183-2203 (1997).
  6. Ball, L. J., Pollack, R. H. Simulated aged performance on the embedded figures test. Exp. Aging Res. 15, 27-32 (1989).
  7. Sjostrom, K. P., Pollack, R. H. The effect of simulated receptor aging on two types of visual illusions. Psychon Sci. 23, 147-148 (1971).
  8. Lindsey, D. T., Brown, A. M. Color naming and the phototoxic effects of sunlight on the eye. Psychol Sci. 13, 506-512 (2002).
  9. Raj, A., Rosenholtz, R. What your design looks like to peripheral vision. Proceedings of the 7th Symposium on Applied Perception in Graphics and Visualization. , 88-92 (2010).
  10. Perry, J. S., Geisler, W. S. Gaze-contingent real-time simulation of arbitrary visual fields. International Society for Optics and Photonics: Electronic Imaging. , 57-69 (2002).
  11. Vinnikov, M., Allison, R. S., Swierad, D. Real-time simulation of visual defects with gaze-contingent display. Proceedings of the 2008 symposium on Eye tracking research. , 127-130 (2008).
  12. Hogervorst, M. A., van Damme, W. J. M. Visualizing visual impairments. Gerontechnol. 5, 208-221 (2006).
  13. Aguilar, C., Castet, E. Gaze-contingent simulation of retinopathy: some potential pitfalls and remedies. Vision res. 51, 997-1012 (2011).
  14. Rowe, M. P., Jacobs, G. H. Cone pigment polymorphism in New World monkeys: are all pigments created equal?. Visual neurosci. 21, 217-222 (2004).
  15. Rowe, M. P., Baube, C. L., Loew, E. R., Phillips, J. B. Optimal mechanisms for finding and selecting mates: how threespine stickleback (Gasterosteus aculeatus) should encode male throat colors. J. Comp. Physiol. A Neuroethol. Sens. Neural. Behav. Physiol. 190, 241-256 (2004).
  16. Melin, A. D., Kline, D. W., Hickey, C. M., Fedigan, L. M. Food search through the eyes of a monkey: a functional substitution approach for assessing the ecology of primate color vision. Vision Res. 86, 87-96 (2013).
  17. Webster, M. A. Adaptation and visual coding. J vision. 11 (5), 1-23 (2011).
  18. Webster, M. A. Visual adaptation. Annu Rev Vision Sci. 1, 547-567 (2015).
  19. Webster, M. A., Kaping, D., Mizokami, Y., Duhamel, P. Adaptation to natural facial categories. Nature. 428, 557-561 (2004).
  20. Webster, M. A., MacLeod, D. I. A. Visual adaptation and face perception. Philos. Trans. R. Soc. Lond., B, Biol. Sci. 366, 1702-1725 (2011).
  21. Schweinberger, S. R., et al. Auditory adaptation in voice perception. Curr Biol. 18, 684-688 (2008).
  22. Yovel, G., Belin, P. A unified coding strategy for processing faces and voices. Trends cognit sci. 17, 263-271 (2013).
  23. Shadmehr, R., Smith, M. A., Krakauer, J. W. Error correction, sensory prediction, and adaptation in motor control. Annu rev neurosci. 33, 89-108 (2010).
  24. Wolpert, D. M., Diedrichsen, J., Flanagan, J. R. Principles of sensorimotor learning. Nat rev Neurosci. 12, 739-751 (2011).
  25. McDermott, K., Juricevic, I., Bebis, G., Webster, M. A., Rogowitz, B. E., Pappas, T. N. Human Vision and Electronic Imaging. SPIE. 68060, (2008).
  26. Juricevic, I., Webster, M. A. Variations in normal color vision. V. Simulations of adaptation to natural color environments. Visual neurosci. 26, 133-145 (2009).
  27. Webster, M. A., Juricevic, I., McDermott, K. C. Simulations of adaptation and color appearance in observers with varying spectral sensitivity. Ophthalmic Physiol Opt. 30, 602-610 (2010).
  28. Webster, M. A. Probing the functions of contextual modulation by adapting images rather than observers. Vision res. , (2014).
  29. Webster, M. A. Human colour perception and its adaptation. Network: Computation in Neural Systems. 7, 587-634 (1996).
  30. Webster, M. A., Mollon, J. D. Colour constancy influenced by contrast adaptation. Nature. 373, 694-698 (1995).
  31. Brainard, D. H., Stockman, A., Bass, M. . OSA Handbook of Optics. , 10-11 (2010).
  32. Maloney, L. T. Evaluation of linear models of surface spectral reflectance with small numbers of parameters. J Opt Soc Am A Opt Image Sci Vis. 3, 1673-1683 (1986).
  33. Mizokami, Y., Webster, M. A. Are Gaussian spectra a viable perceptual assumption in color appearance?. J Opt Soc Am A Opt Image Sci Vis. 29, A10-A18 (2012).
  34. Chichilnisky, E. J., Wandell, B. A. Photoreceptor sensitivity changes explain color appearance shifts induced by large uniform backgrounds in dichoptic matching. Vision res. 35, 239-254 (1995).
  35. Boehm, A. E., MacLeod, D. I., Bosten, J. M. Compensation for red-green contrast loss in anomalous trichromats. J vision. 14, (2014).
  36. Regan, B. C., Mollon, J. D., Cavonius, C. R. . Colour Vision Deficiencies. Vol. XIII. , 261-270 (1997).
  37. Carandini, M., Heeger, D. J. Normalization as a canonical neural computation. Nature reviews. Neurosci. 13, 51-62 (2011).
  38. Rieke, F., Rudd, M. E. The challenges natural images pose for visual adaptation. Neuron. 64, 605-616 (2009).
  39. Hardy, J. L., Frederick, C. M., Kay, P., Werner, J. S. Color naming, lens aging, and grue: what the optics of the aging eye can teach us about color language. Psychol sci. 16, 321-327 (2005).
  40. Webster, M. A., Mollon, J. D. Adaptation and the color statistics of natural images. Vision res. 37, 3283-3298 (1997).
  41. Webster, M. A., Mizokami, Y., Webster, S. M. Seasonal variations in the color statistics of natural images. Network. 18, 213-233 (2007).
  42. Sagi, D. Perceptual learning in Vision Research. Vision res. , (2011).
  43. Lu, Z. L., Yu, C., Watanabe, T., Sagi, D., Levi, D. Perceptual learning: functions, mechanisms, and applications. Vision res. 50, 365-367 (2009).
  44. Bavelier, D., Green, C. S., Pouget, A., Schrater, P. Brain plasticity through the life span: learning to learn and action video games. Annu rev neurosci. 35, 391-416 (2012).
  45. Kompaniez, E., Abbey, C. K., Boone, J. M., Webster, M. A. Adaptation aftereffects in the perception of radiological images. PloS one. 8, e76175 (2013).
  46. Ross, H. . Behavior and Perception in Strange Environments. , (1974).
  47. Armann, R., Jeffery, L., Calder, A. J., Rhodes, G. Race-specific norms for coding face identity and a functional role for norms. J vision. 11, 9 (2011).
  48. Oruc, I., Barton, J. J. Adaptation improves discrimination of face identity. Proc. R. Soc. A. 278, 2591-2597 (2011).
  49. Kording, K. P., Tenenbaum, J. B., Shadmehr, R. The dynamics of memory as a consequence of optimal adaptation to a changing body. Nature neurosci. 10, 779-786 (2007).
  50. Neitz, J., Carroll, J., Yamauchi, Y., Neitz, M., Williams, D. R. Color perception is mediated by a plastic neural mechanism that is adjustable in adults. Neuron. 35, 783-792 (2002).
  51. Delahunt, P. B., Webster, M. A., Ma, L., Werner, J. S. Long-term renormalization of chromatic mechanisms following cataract surgery. Visual neurosci. 21, 301-307 (2004).
  52. Bao, M., Engel, S. A. Distinct mechanism for long-term contrast adaptation. Proc Natl Acad Sci USA. 109, 5898-5903 (2012).
  53. Kwon, M., Legge, G. E., Fang, F., Cheong, A. M., He, S. Adaptive changes in visual cortex following prolonged contrast reduction. J vision. 9 (2), 1-16 (2009).
  54. Webster, M. A., Elliott, A., Fairchild, M. D., Franklin, A. . Handbook of Color Psychology. , 197-215 (2015).

Play Video

Cite This Article
Webster, M. A., Tregillus, K. E. Visualizing Visual Adaptation. J. Vis. Exp. (122), e54038, doi:10.3791/54038 (2017).

View Video