Visualisering Visual Tilpasning

Summary

Denne artikkelen beskriver en ny fremgangsmåte for å simulere og studere tilpasning i det visuelle systemet.

Abstract

Mange teknikker har blitt utviklet for å visualisere hvordan et bilde vil vises til en person med en annen visuell følsomhet: for eksempel på grunn av optiske eller aldersforskjeller, eller en farge mangel eller sykdom. Denne protokollen beskriver en teknikk for å inkorporere sensoriske tilpasning inn i simuleringene. Protokollen er illustrert med et eksempel på fargesyn, men er generelt anvendbar for en hvilken som helst form for visuell tilpasning. Protokollen benytter en enkel modell for menneskelig fargesyn basert på standard og plausible antagelser om retinal og corticale mekanismer som koder for farge og hvordan disse justerer deres følsomhet for både middelfargen og utvalg av farger i den rådende stimulus. Forsterkningene til de mekanismer som er innrettet slik at deres middelresponsen under ett sammenheng er likestilt for en annen sammenheng. Simuleringene bidra til å avsløre de teoretiske grenser for tilpasning og generere "tilpasset bilder" som er optimalt tilpasset til en spesifikk Environment eller observatør. De gir også en felles metrisk for å utforske virkningen av tilpasning innenfor ulike observatører eller ulike miljøer. Karakterisere visuell persepsjon og ytelse med disse bildene gir et nytt verktøy for å studere funksjoner og konsekvenser av langsiktig tilpasning i syn eller andre sensoriske systemer.

Introduction

Hva kan verden se ut til andre, eller for oss selv som vi forandre? Svarene på disse spørsmålene er fundamentalt viktig for å forstå naturen og mekanismer for oppfatning og konsekvensene av både normale og kliniske variasjoner i sensorisk koding. Et bredt utvalg av teknikker og metoder har blitt utviklet for å simulere hvordan bildene kan vises til personer med ulike visuelle følsomhet. For eksempel, disse inkluderer simuleringer av de farger som kan diskrimineres ved hjelp av forskjellige typer farge mangler ^{1, 2, 3, 4,} de romlige og kromatiske forskjeller som kan løses av spedbarn og eldre observatører ^{5, 6, 7, 8, 9} hvordan bilder vises i sidesynet opp class = "ekstern referanse"> 10, og konsekvensene av optiske feil eller sykdom ^{11, 12, 13, 14.} De har også blitt anvendt for å visualisere den forskjells som er mulig for andre arter ^{15, 16, 17.} Typisk omfatter slike simuleringer bruke målinger av følsomhets tap i forskjellige populasjoner for å filtrere et bilde og således redusere eller fjerne den struktur de har vanskeligheter med å se. For eksempel kan vanlige former for fargeblindhet reflektere et tap av en av de to fotoreseptorene er sensitive for middels eller lange bølgelengder, og bilder som er filtrert for å fjerne de signaler som vises vanligvis fri for "reddish-grønnaktig" fargetoner ^1. Tilsvarende spedbarn har dårligere skarphet, og dermed bilder behandlet for deres romlige redusert følsomhet ha uklare f. "> 5 Disse teknikkene gir uvurderlig illustrasjoner av hva en person kan se at en annen kan ikke Men de gjør ikke -. og ofte er ikke ment å - skildre selve perseptuelle opplevelsen av observatøren, og i noen tilfeller kan uriktige opplysninger om mengde og typer av informasjon som er tilgjengelig for observatøren.

Denne artikkelen beskriver en ny teknikk utviklet for å simulere forskjeller i syns erfaring som innbefatter et grunnleggende trekk ved visuell koding - tilpasning ^{18, 19.} Alle sensoriske og motoriske systemer justerer kontinuerlig til konteksten de er utsatt for. En stikkende lukt i et rom blekner raskt, mens visjon plass til hvor lyse eller dempe rommet er. Viktigere, oppstår disse justeringene for nesten enhver stimulus attributt, inkludert "high-level" oppfatninger som kjennetegner noens ansikt ^20,class = "ekstern referanse"> 21 eller stemmen ^{22, 23,} så vel som å kalibrere motoren kommandoene foretatt ved å bevege øynene eller strekker seg etter et objekt ^{24, 25.} Faktisk er tilpasning trolig en viktig egenskap for nesten alle nevrale behandling. Denne artikkelen viser hvordan du kan innlemme disse tilpasningseffekter i simuleringer av utseendet på bildene ved utgangspunktet "tilpasse bildet" til å forutsi hvordan det ville se ut til et bestemt observatør under en bestemt tilstand av tilpasning ^{26, 27, 28, 29.} Mange faktorer kan endre sensitivitet av en observatør, men tilpasningen kan ofte kompensere for viktige aspekter av disse endringer, slik at tapene følsomhet er mindre iøynefallende enn det som ville bli forutsagt uten forutsatt at systemet tilpasser seg. Omvendt, forditilpasning justerer følsomhet i henhold til gjeldende stimulus sammenheng, er disse justeringer er også viktig for å innlemme for å forutsi hvor mye oppfatning kan variere når miljøet varierer.

Følgende protokoll illustrerer teknikken ved å tilpasse fargeinnholdet av bilder. Fargesyn har den fordel at de innledende stadier av nevrale fargekoding er relativt godt forstått, så er de mønstre av tilpasning ^30. Den faktiske mekanismer og justeringer er komplekse og varierte, men hoved konsekvensene av tilpasning kan fanges opp ved hjelp av en enkel og konvensjonell to-trinns modell (Figur 1a). I det første trinn blir fargesignaler innledningsvis kodet for av tre typer kjeglefotoreseptorer som er maksimalt følsom for korte, middels og lange bølgelengder (S, M og L kjegler). I det andre trinn blir signalene fra forskjellige kjegler kombineres i post-receptoral celler til å danne "farge-motstander" channels som mottar antagonistiske inngangssignaler fra de forskjellige kjegler (og således formidle "farge" informasjon), og "ikke-motstander" kanaler som summerer sammen de koniske innganger (således koding "lyshet" informasjon). Tilpasning skjer på begge trinn, og justeres til to forskjellige aspekter av farge - den midlere (i kjeglene) og varians (i post-receptoral kanaler) ^{30, 31.} Målet med simuleringene er å bruke disse justeringene til modell mekanismer og deretter gjengi bildet fra sine tilpasset utganger.

Prosessen med å tilpasse bilder omfatter seks primærkomponenter. Disse er 1) å velge bilder; 2) å velge format for bilde spektra; 3) som avgrenser den endring i fargen av miljøet; 4) som definerer forandringen i følsomhet for observatøren; 5) ved hjelp av programmet for å lage de tilpassede bilder; og 6) ved hjelp av bildene for å vurdere konsekvensene av tilpasningen. Than følgende vurderer hver av disse trinnene i detalj. De grunnleggende modellen og mekanismen reaksjoner er illustrert i figur 1, mens figurene 2 - 5 viser eksempler på bildene gjengis med modellen.

Protocol

MERK: Protokollen illustrert bruker et program som gjør det mulig å velge bilder og deretter tilpasse dem ved hjelp av alternativene som er valgt av ulike rullegardinmenyene.

1. Velg bildet for å tilpasse

1. Klikk på bildet og bla for filnavnet på bildet for å jobbe med. Observere det opprinnelige bildet i øvre venstre ruten.

2. Angi Stimulus og The Observer

1. Klikk på "format" menyen for å velge hvordan å representere bildet og observatøren.
2. Klikk på "standard observatør" for å modellere en standard eller gjennomsnittlig observatør tilpasse seg en bestemt farge distribusjon. I dette tilfellet bruker vanlige ligninger til å konvertere RGB-verdiene av bildet til den kjegle sensitiviteter ^32.
3. Klikk på "enkelte observatør" for å modellere spektralfølsomhetene en bestemt observatør. Fordi disse sensitivitetene er bølgelengdeavhengig, vil programmet converts RGB-verdiene i bildet inn i pistolen spektrene ved å bruke standard eller målt emisjonsspektra for displayet.
4. Klikk på "naturlig spektra" for å tilnærme faktiske spektra i verden. Dette alternativet omdanner RGB-verdiene til spektra, for eksempel ved bruk av standard basisfunksjoner ³³ eller Gaussian-spektrene ³⁴ til tilnærmet det tilsvarende spektrum for bildefargene.

3. Velg Adaptation tilstand

1. Tilpasse enten den samme observatør til forskjellige miljøer (for eksempel, til fargene i en skog vs. urbant landskap), eller forskjellige observatører til det samme miljø (f.eks, en normal vs. farge mangelfull observatør).
   1. I det første tilfellet, bruke menyene for å velge miljøer. I det sistnevnte, bruke menyene for å definere følsomheten til observatøren.
2. Hvis du vil angi miljøer, velg "referanse" og "test" environments fra rullegardinmenyer. Disse styre de to forskjellige tilstander av tilpasning ved å laste mekanismen responsene til forskjellige miljøer.
   1. Velg "referanse" menyen for å kontrollere start miljøet. Dette er miljøet emnet er tilpasset mens du ser på originalbildet.
      MERK: Alternativene som vises er forhåndsberegnede for ulike miljøer. Disse ble utledet fra målinger av fargerom for forskjellige samlinger av bilder. For eksempel, en søknad undersøkt hvordan fargeoppfattelse kan variere med endringer i årstidene, ved hjelp av kalibrerte bilder tatt fra samme sted på forskjellige tider ^27. En annen studie, utforske hvordan tilpasning kan påvirke farge persepter tvers av forskjellige steder, representerte de steder ved prøvetaking bilder av forskjellige motivkategorier ^29.
   2. Velg "brukerdefinert" miljø for å laste verdiene for en tilpasset miljøet. ObsErve et vindu for å bla gjennom og velge en bestemt fil. For å opprette disse filene for uavhengige bilder, viser hvert bilde som skal inkluderes (som i trinn 1) og klikk deretter på "lagre bilde svar" -knappen.
      MERK: Dette vil vise et vindu hvor man kan opprette eller føye til en Excel-fil å lagre svarene på hvert bilde. For å opprette en ny fil, skriver du inn filnavnet, eller bla etter en eksisterende fil. For eksisterende filer, er svarene på det aktuelle bildet lagt og svarene på alle bildene automatisk i gjennomsnitt. Disse gjennomsnitt er inngang til referansemiljø når filen med "brukerdefinert" er valgt.
   3. Velg "test" -menyen for å få tilgang til en liste over miljøer for bildet som skal justeres for. Velg "dagens bilde" for å bruke mekanismen svarene for det viste bildet.
      MERK: Dette alternativet foruts fagene tilpasser til fargene i bildet som nå vises. Ellers velger du en av tHan forhåndsberegnede miljøer eller "brukerdefinert" for å laste testmiljøet.

4. Velg Spectral Følsomhet i Observer

NB: For tilpasning effektene av forskjellige miljøer, observatøren vil vanligvis forbli konstant, og er satt til standard "standardmåler" med gjennomsnittlig spektral følsomhet. Det er 3 menyer for å sette en individuell spektral følsomhet, som kontrollerer mengden av screening pigment eller spektralfølsomhetene observatøren.

1. Klikk på "lens" menyen for å velge tettheten av objektivet pigment. De ulike alternativene tillater en å velge tettheten karakteristisk for ulike aldre.
2. Klikk på "macula" -menyen til på samme måte velge tettheten av macula pigment. Observere disse alternativene når det gjelder toppen tetthet av pigment.
3. Klikk på "kjegler" menyen for å velge mellom observatører utenrmal trefargesyns eller forskjellige anomale trefargesyns.
   MERK: basert på valgene i programmet definerer kjegle spektralfølsomhetene observatøren og et sett av 26 postreceptoral kanaler som lineært kombinerer kjegle signaler til omtrent jevnt prøve forskjellige farge og luminans kombinasjoner.

5. Tilpass bilde

1. Klikk på "tilpasse" -knappen.
   MERK: Dette utfører koden for beregning av responsene til konusene og post-receptoral mekanismer til hver piksel i bildet. Responsen er skalert slik at det midlere respons på å tilpasse fargefordeling lik den midlere responser til referanse-fordeling, eller slik at den gjennomsnittlige responsen er den samme for et individ eller referanse observatør. Skaleringen er multiplikativ å simulere von Kries tilpasning ^35. Det nye bildet gjøres deretter ved å summere responsene mekanismen og omdannelse tilbake til RGB-verdier for fremvisning. Detaljer om algorithm er angitt i ^{26, 27, 28, 29.}
2. Observere tre nye bilder på skjermen. Disse er merket som en) "unadapted" - hvordan testen skulle vises til noen helt tilpasset til referanse miljø; 2) "kjegle tilpasning" - dette viser bildet bare justeres for tilpasning i reseptorene; og 3) "full tilpasning" - dette viser bildet forutsagt ved fullstendig tilpasning til den endring i miljøet eller observatøren.
3. Klikk på "lagre bilder" knappen for å lagre de tre beregnede-bilder. Observere et nytt vindu på skjermen for å bla til mappen og velg filnavnet.

6. vurdere konsekvensene av tilpasning

MERK: Den opprinnelige referanse og tilpasset bilder simulere hvordan det samme bildet skal vises under de to statene modellert Adaptasjon, og viktigere, skiller seg bare på grunn av tilpasningen tilstand. Forskjellene i bildene således gi innsikt i konsekvenser av tilpasningen.

1. Visuelt ser på forskjellene mellom bildene.
   MERK: Enkel inspeksjon av bildene kan hjelpe vise hvor mye fargesyn kan variere når du bor i forskjellige farger miljøer, eller hvor mye tilrettelegging kan kompensere for en følsomhet endring i observatør.
2. Kvantifisere disse tilpasnings effektene ved anvendelse av analyser eller adferdsmessige målinger med bildene for å empirisk vurdere konsekvensene av tilpasnings ^29.
   1. Mål hvor fargen endrer utseende. For eksempel sammenligne fargene i de to bildene for å måle hvordan fargekategorier eller perseptuelle salience skift på tvers av ulike miljøer eller observatører. For eksempel, analyserer bruk av endringene i farge med tilpasning for å beregne hvor mye de unike fargetoner (f.eks rent gult eller blått) kunne teoretisk vAry på grunn av variasjoner i observatørens farge miljø ^29.
   2. Spør hvordan tilpasningen påvirker visuell følsomhet eller ytelse. For eksempel bruke tilpassede bilder til å sammenligne enten visuelt søk etter en roman farge er raskere når observatører første tilpasset fargene i bakgrunnen. Utføre forsøket ved overlagring av bildene en rekke mål og forskjellig-fargede distractors som var tilpasset sammen med bildene, med reaksjonstider målt for å lokalisere målet odde ^29.

Representative Results

Figurene 2 - 4 viser tilpasnings simuleringer for endringer i observatøren eller miljø. Figur 2 sammenligner spådd utseendet Cezannes Stilleben med epler for en yngre og eldre observatør som bare varierer i tettheten av objektivet pigment ^28. Det opprinnelige bildet som ses gjennom den yngre øyet (figur 2a) ser ut mye gulere og dimmer gjennom den tettere pigmentert linse (figur 2b). (De tilsvarende endringer i den midlere farge og kromatiske reaksjoner er illustrert i figur 1c). Imidlertid tilpasning til den gjennomsnittlige spektrale endringsrime nesten all farge utseende endring (Figur 2c). Den opprinnelige fargen reaksjon er nesten fullstendig gjenvunnet ved tilpasning i kjegler, slik at påfølgende endringer kontrast ha ubetydelig virkning.

nt" fo: hold-together.within-siden = 'en'> Figur 3 viser van Goghs Iris filtrert for å simulere fargeutseende i en deuteranomalous observatør, som ved normal M photopigment er forskjøvet i topp følsomhet i løpet av 6 nm av L photopigment ²⁸ . Bearbeidelse i kjeglene igjen justerer for den midlere stimulus kromatiske, men den L vs. M kontraster fra de anomale pigmentene er svak (figur 3b), og komprimere mekanismen responsene langs denne akse (figur 1d). det er blitt foreslått at van Gogh kan ha overdrevet bruk av farger for å kompensere for en farge mangel, siden fargene han portrettert kan virke mer naturlig da filtrert for en mangel. Men kontrast tilpasning til reduserte kontraster spår at bildet skal igjen "virke" svært lik normal og unormal trichromat (figur 3c), selv om den sistnevnte har mye svakere iboende følsomhet til L ^{36, 37.}

Figur 4 viser simuleringer for en miljøendringer, ved å simulere hvordan disig bilde portrettert av Monets Sunrise (Marine) kan synes å observatør fullt tilpasset dis (eller til en artist fullt tilpasset hans maleri). Før tilpasning bildet vises mørke og i hovedsak monokrom (figur 4a), og tilsvarende er den mekanismen responser på kontrasten i bildet er svak (figur 1E). Imidlertid tilpasning til både den midlere kromatiske forspenningen, og den reduserte kromatiske kontrasten (i dette tilfelle for å passe mekanismen responsene for typiske friluftsscener) normaliserer og utvider den oppfattede fargeskala, slik at det kan sammenlignesutvalget av farge persepter opplevd godt opplyst utendørs scene (figur 4b).

Til slutt viser figur 5 de to eksemplene nevnt i avsnitt 6.2 i protokollen for bruk av modell for å studere fargesyn. Figur 5a viser Munsell palett i henhold til tilpasning til en frodig eller tørre omgivelser, mens figur 5b plotter de forskyvninger i paletten stimuli som kreves for å vises rent rødt, grønt, blått eller gult, når den samme observatøren er tilpasset til en rekke forskjellige simulerte miljøer. Denne serien kan sammenlignes med målinger av selve stimulans utvalg av disse knutepunktene farger målt empirisk i World Color Survey ^29. Figur 5c stedet viser hvordan et sett med innebygde fargene vises før eller etter tilpasning til en marsboer landskapet. Tilpasning settet for bildet førte til betydelig kortere reaksjonstid for å finne denunike farger i et visuelt søk oppgave ^29.

Figur 1: Modell. a) Responser er modellert av mekanismer med følsomheten for konusene (som tilpasser seg den stimulus midlere) eller postreceptoral kombinasjoner av kjeglene (som tilpasser seg den stimulus varians. b) Hver postreceptoral mekanisme er avstemt til en annen retning i det farge- luminans plass, som vist med vektorene. For simuleringene 26 mekanismene er beregnet, hvilken prøve den plass i 45 ° intervaller (vist for den L Vs. M og S Vs. LM plan, og L Vs. M og luminans-planet). c) Responser av mekanismene i equiluminant (L Vs. M og S Vs. LM) plan til bildene i den øvre og midtre panel i figur 2. Bety kontrast responser er shegne ved 22,5 ° intervaller for mer fullt ut fremstille responsen fordeling, selv om modellen er basert på kanaler med 45 ° mellomrom. I det opprinnelige bildet (figur 2a) den midlere kromatiske er nær grå (0,0) og fargene er forspent langs en blå-gulaktig akse. Økende linsedensiteten observatørens frembringer en stor endring i middelverdien av gult (figur 2b). d) Kontrastresponser for bildene som er vist i figur 3a og 3b. Snelle kontraster i den opprinnelige (figur 3a) er komprimert langs L Vs. M aksen for fargemangelfull observatør (figur 3b). e) Kontrastresponser for bildene som er vist i figur 4a og 4b. De lave kontrast svar for det originale bildet (figur 4a) ekspanderes følgende tilpasning, som samsvarer med de gjennomsnittlige responser til maleriet til responsene fora fargefordeling som er typisk for utendørs naturlige scener (figur 4b). Klikk her for å se en større versjon av dette tallet.

Figur 2: Simulering av konsekvensene av Lens aldring. Cezannes Stilleben med epler (a) behandles for å simulere en aldring linse (b) og tilpasning til linsen (c). Digital bilde høflighet av Getty Open Content Program. Klikk her for å se en større versjon av dette tallet.

Figur 3: Simulating Anomal trefargesyns. van Goghs Iris (a) å simulere den reduserte fargekontrastene i en farge-manglende observatør (b), og den forutsagte utseende i observatører fullt tilpasset den reduserte kontrast (c). Digital bilde høflighet av Getty Open Content Program. Klikk her for å se en større versjon av dette tallet.

Figur 4: Simulering Tilpasning til en lav kontrast Environment. Monets Sunrise (Marine). Det opprinnelige bildet (a) er behandlet for å simulere fargeforekomsten for en observatør tilpasset lav kontrast i scenen (b). Dette ble gjort ved å justere følsomheten av hver enkelt mekanisme følsomhet såat den gjennomsnittlige responsen til fargene i maleriene er lik gjennomsnittet respons farger målt for en samling av naturlige utendørs scener. Digital bilde høflighet av Getty Open Content Program. Klikk her for å se en større versjon av dette tallet.

Figur 5. Bruke modell for å undersøke Visual Performance. a) The Munsell paletten gjengitt i henhold til tilpasning til fargene på en frodig eller tørre omgivelser. b) Chips i paletten som skal vises rent rødt, grønt, blått eller gult etter tilpasning til en rekke forskjellige farge miljøer. Lys-skygge symboler plotte spekter av gjennomsnittlig chip valg mellom språkene i verden Color Survey. c) bilder av overflaten avMars som de kan vises for en observatør tilpasset til jorden eller til Mars. Lagrede flekker viser eksempler på stimuli tilsatt for visuelt søk oppgave, og omfatter et sett av ensartet fargede distraktører og en forskjellig-farvede skive. d) I forsøket søketider ble målt for å finne den odde målet, og var i det vesentlige kortere innenfor de tilpassede Mars-tilrettelagte bilder. Klikk her for å se en større versjon av dette tallet.

Discussion

Den viste protokoll viser hvordan effekten av tilpasning til en endring i miljøet eller observatør kan fremstilles på bildene. Skjemaet denne fremstillingen foregår, vil avhenge av forutsetningene for modellen - for eksempel, hvordan farge er kodet, og hvor kode- mekanismer reagere og tilpasse seg. Dermed viktigste steget er å avgjøre om modellen for fargesyn - for eksempel hva egenskapene til de hypotetiske kanalene er, og hvordan de antas å tilpasse seg. Den andre viktige trinn er å sette passende parametere for egenskapene til de to miljøer eller to observatører sensitiviteter, at man tilpasser mellom.

Den illustrerte modellen er veldig enkelt, og det er mange måter som den er ufullstendig og kan utvides avhengig av programmet. For eksempel er farveinformasjon ikke er kodet uavhengig av form, og de illustrerte simuleringene tar ikke hensyn til den romlige strukturen avbildene eller av nevrale reseptoriske felt, eller av interaksjonene som er kjent på tvers av mekanismer som kontrast normalisering ^38. Likeledes er samtlige bildeelementer i bildene gitt samme vekt, og således simuleringene ikke innlemme romlige faktorer, for eksempel hvor scener blir samplet med øyebevegelser. Tilpasning i modellen antas også å representere enkle multiplikativ skalering. Dette er passende for enkelte former for kromatisk tilpasning, men kan ikke på riktig måte beskrive respons endringer ved post-receptoral nivåer. Tilsvarende kontrastresponsfunksjoner i modellen er lineære og således ikke simulere de faktiske responsfunksjoner av nerveceller. En annen viktig begrensning er at de illustrerte simuleringer ikke innlemme støy. Hvis dette oppstår støy ved eller før de områder av tilpasning, da tilpasningen kan justere både signal og støy, og følgelig kan ha meget forskjellige virkninger på utseende og visuell ytelse ^39. En måte åsimulere effektene av støy er å introdusere tilfeldige forstyrrelser i stimulans ^28. Men dette vil ikke etterligne hva denne støyen "ser ut som" en observatør.

Som antydet ved de illustrerte eksempler, kan simuleringene fange opp mange egenskaper av farge erfaring som ikke er synlige når man vurderer bare den spektrale og kontrastfølsomhet av den observatøren, og spesielt funksjon for å fremheve betydningen av tilpasning i normal farge persepsjon og kompensere for følsomhetsgrensene for observatøren. I denne forbindelse, gir teknikken en rekke fordeler og anvendelses- muligheter for å visualisere eller å forutsi visuelle persepter. Disse inkluderer følgende:

Bedre Simuleringer av Variant Vision

Som nevnt, filtrering et bilde for en annen følsomhet viser hva man opplever når informasjonen i bildet skal endres, men gjør det mindre godt til å forutsi hva enobservatør med at følsomheten vil oppleve. Som et eksempel, en grå flekk filtrert for å simulere gulfarging objektivet av en eldre observatørens øye ser gulere ^9. Men eldre observatører som er vant til sine gamle objektiver i stedet beskrive og sannsynligvis bokstavelig talt se stimulans som grå ^40. Som vist her, er dette en naturlig konsekvens av tilpasning i det visuelle systemet ^28, og dermed innlemme denne tilpasningen er viktig for bedre å visualisere en persons persepter.

En vanlig mekanisme forutsi Forskjeller mellom observatører og mellom miljøer

De fleste simuleringsteknikker er fokusert på å forutsi endringer i observatøren. Likevel tilpasning er også rutinemessig drevet av endringer i verden ^{18 19.} Personer nedsenket i forskjellige visuelle miljøer (f.eks urbane Vs. landsbygda, eller arid Vs. frodig) er utsatt for meget forskjellige mønstre av stimulering som kan føre til meget forskjellige tilstander av tilpasning ^{41, 42.} Dessuten er disse forskjellene forsterkes blant personer som innehar ulike nisjer i et stadig mer spesialisert og teknisk samfunn (for eksempel en artist, radiolog, videospiller, eller dykker). Perseptuell læring og ekspertise har vært inngående studert og avhenger av mange faktorer, ^{43, 44, 45.} Men en av disse kan være enkelt eksponering ^{46, 47.} For eksempel, en redegjørelse for "annen rase" effekt, der observatører er flinkere til å skille ansikter med vår egen etnisitet, er fordi de er tilpasset til ansiktene de ofte støter på ^{48, 49.} Tilpasning gir en common metrisk for å evaluere virkningen av en endring følsomhet Vs. stimulus endring på persepsjon, og dermed for å forutsi hvordan to forskjellige observatører kan oppleve den samme verden Vs. å plassere den samme observatør i to forskjellige verdener.

Evaluere de langsiktige konsekvensene av tilpasning

Egentlig tilpasse observatører og deretter måle hvordan deres følsomhet og persepsjon endringen er en godt etablert og grundig undersøkt psykologisk teknikk. Imidlertid er disse målingene vanligvis begrenset til kortsiktige eksponeringer varige minutter eller timer. Økende bevis tyder på at tilpasning driver også over meget lengre tidsskalaer som er mye mer vanskelig å teste empirisk ^{50, 51, 52, 53, 54.} Simulere tilpasning har fordelen av å skyve ADAPtering sier til sine teoretiske langsiktige grenser og dermed utforske tidsrammer som ikke er praktisk eksperimentelt. Det tillater også for testing av perseptuelle konsekvensene av gradvise endringer som aldring eller en progressiv sykdom.

Vurderer de potensielle fordelene ved Adaptation

Et beslektet problem er at mens mange funksjoner har blitt foreslått for tilpasning, ytelsesforbedringer er ofte ikke tydelig i studier av kortsiktig tilpasning, og dette kan delvis være fordi disse forbedringene oppstår bare over lengre tidsskalaer. Teste hvor godt observatører kan utføre forskjellige visuelle oppgaver med bilder som er tilpasset for å simulere disse tidsrammene gir en ny metode for å utforske de perseptuelle nytte og kostnader ved tilpasning ^29.

Testing Mekanismer av Visual Koding og tilpasning

Simuleringene kan bidra til å visualisere og sammenligne både forskjellige modeller av visuell megchanisms og forskjellige modeller av hvordan disse mekanismene justere deres følsomhet. Slike sammenligninger kan bidra til å avsløre den relative betydningen av ulike aspekter av visuell koding for visuell ytelse og persepsjon.

Tilpasning bilder til Observatører

I den grad tilpasning hjelper en til å se bedre, slike simuleringer gir en potensielt kraftig verktøy for å utvikle modeller for bildebehandling som bedre kan markere informasjon for observatører. Slike bildeforbedringsteknikker er utbredt, men den foreliggende løsning er utformet for å justere et bilde på hvordan selve hjernen justerer, og således for å simulere de aktuelle kode strategier som det visuelle systemet utviklet seg til å utnytte. Preprosessering bilder på denne måten kan i prinsippet fjerne behovet for observatører å visuelt akklimatisere seg til en roman miljø, ved i stedet å justere bildene for å matche tilpasning sier at observatører er for tiden i ^26,

Det kan virke urealistisk å foreslå at kunne tilpasning i praksis rabatt nesten fullt en følsomhet endring fra våre persepter, men det er mange eksempler på at persepter gjøre synes upåvirket av dramatiske følsomhet forskjeller ^55, og det er et empirisk spørsmål hvor fullstendig tilpasning er for alle gitt tilfelle - en som er tilpasset bilder kan også brukes til å ta opp. I alle fall hvis målet er å visualisere perseptuelle opplevelsen av en observatør, da disse simuleringene uten tvil komme mye nærmere å karakterisere den erfaringen enn tradisjonelle simuleringer basert bare på filtrering bildet. Videre gir de et nytt verktøy for å forutsi og teste konsekvensen og funksjoner av sensorisk tilpasning ^29. Igjen denne tilpasning er allestedsnærværende i sensorisk prosessering, og lignende modeller kan utnyttes for å utforske virkningen av tilpasningen på andre visuelle attributter og andre senses.

Materials

Name	Company	Catalog Number	Comments
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)