Bu içeriği görüntülemek için JoVE aboneliği gereklidir. Oturum açın veya ücretsiz deneme sürümünü başlatın.

Summary

Bu makalede, simüle ve görsel sistem adaptasyonu incelemek için yeni bir yöntem tarif eder.

Abstract

Bir renk eksikliği veya hastalık nedeniyle optik ya da yaş farklarının, örneğin ya: Birçok teknikleri bir görüntü farklı bir görsel duyarlılıkla bir kişiye nasıl görüneceğini görselleştirmek için geliştirilmiştir. Bu protokol, simülasyonlar içine duyusal uyum dahil etmek için bir yöntem açıklanır. Protokol renkli görme örnekle anlatılmıştır, ancak görsel uyarlamadan herhangi bir biçimde, genel olarak uygulanabilir bir. Protokol retinal ve kortikal mekanizmalar kodlayan renk ve bunların nasıl geçerli uyarıcı renk ortalama renk ve aralığı hem de kendi hassasiyetini ayarlamak ilgili standart ve olası varsayıma dayalı insan renkli görme basit bir model kullanılır. Bir bağlamında kendi ortalama tepki farklı bağlam için eşit şekilde mekanizmaların kazanç uyarlanmıştır. simülasyonlar adaptasyon teorik sınırlarını açığa ve optimal belirli Çevreyi eşleştiği "uyarlanmış görüntüleri" üretilmesine yardımcınment veya gözlemci. Onlar da farklı gözlemciler veya farklı ortamlarda uyum etkilerini keşfetmek için ortak metrik sağlarlar. Bu görüntülerle görsel algı ve performansı nitelendiren görme veya diğer duyu sistemlerinde uzun süreli adaptasyon işlevlerini ve sonuçlarını incelemek için yeni bir araç sağlar.

Introduction

Biz değiştirmek gibi dünya başkalarına veya kendimize neye benziyor olabilir? Bu sorulara verilen yanıtlar doğası ve algı mekanizmaları ve duyusal kodlama normal ve klinik varyasyonları hem sonuçlarını anlamak için temelde önemlidir. teknikler ve yaklaşımlar çok çeşitli görüntüler farklı görsel hassasiyetlere sahip bireylere nasıl görünebileceğini simüle etmek için geliştirilmiştir. Örneğin, bu renk eksikliklerin farklı türlerine göre ayırt edilebilir renk simülasyonunu içeren ^{1, 2, 3, 4,} bebekler ya da daha büyük gözlemci ^{5, 6, 7, 8} ile çözülebilir mekansal ve renk ^{farklılıkları, 9} , görüntüler periferik görme nasıl göründüğünü <s Sınıf = "xref"> 10, ve optik hatalar veya hastalığın ^{11, 12, 13, 14} sonuçlarından kadar. Bunlar ayrıca, diğer türler ^{15, 16, 17} için de mümkündür ayrımlar görselleştirmek için uygulanmıştır. Tipik olarak bu simülasyonlar bir görüntü filtrelemek ve böylece azaltılması veya zorluk görmekte yapıyı çıkarmak için farklı popülasyonlarda hassasiyet kayıplarının ölçümleri kullanılır. Örneğin, renk körlüğün en yaygın formu, orta ya da uzun dalga boylarına duyarlı, iki fotoreseptör birinin kaybı yansıtır ve bunların sinyallerini çıkarmak için süzüldü ve görüntüler tipik olarak "kırmızı-yeşil" tonlar ¹ yoksun görünür. Benzer şekilde, bebeklerin daha fakir keskinliğine sahip olduklarını ve bu nedenle onların azaltılmış uzaysal hassasiyet için işlenmiş görüntüler bulanık görünür ..> 5 f "Bu teknikler Ancak, onlar değil başka olmayabilir bu bir kişinin görebileceğini çok değerli açılımlar sağlamaktadır – ve genellikle amaçlanmamıştır – gözlemcinin fiili algısal deneyim tasvir ve bazı durumlarda yanlış olabilir gözlemci mevcut miktarı ve bilgi türleri.

Adaptasyon ^{18, 19} – Bu makalenin görsel kodlama temel bir karakteristiği içerir görsel deneyim farklılıkları simüle etmek için geliştirilen yeni bir teknik tarif edilmektedir. Tüm duyu ve motor sistemleri sürekli maruz kaldıkları bağlamına ayarlayın. vizyon oda ne kadar parlak veya loş için barındırır iken bir odada bir keskin koku çabucak kaybolur. Önemli olan, bu ayarlamalar böyle bir kişinin yüzüne ²⁰ özelliklerine olarak "üst düzey" algılamalar dahil hemen hemen her uyaran özellik için ^ortaya,Sınıf = "xref"> 21 ya da ses ^{22, 23,} hem de göz hareketleri ya da bir nesne ^{24, 25} uzanirken üretilen motor komutları kalibre. Aslında, adaptasyon olasılıkla neredeyse tüm nöral işleme önemli bir özelliktir. Bu makale temelde adaptasyon ^{26, 27, 28, 29,} belirli bir hal altında belirli bir gözlemci görünecektir nasıl tahmin etmek "imajını uyarlayarak" tarafından, görüntülerin görünüm simülasyonları içine bu adaptasyon etkileri dahil etmek verilmektedir. Birçok faktör bir gözlemci hassasiyetini değiştirebilir, ancak duyarlılık kayıpları sistem adapte varsayarak olmadan tahmin edildiğinden daha az dikkat çeken böylece adaptasyon genellikle bu değişikliklerin önemli yönlerinden telafi edebilir. Tersine, çünküAdaptasyon, mevcut uyarıcı bağlama göre hassasiyetini ayarlar, bu ayarlamalar da çevre değiştiğinde kadar algılama değişebilir kadar tahmin etmek için dahil etmek çok önemlidir.

Aşağıdaki protokol görüntülerin renk içeriğini uyarlayarak tekniğini göstermektedir. Adaptasyon ³⁰ kalıplarıdır olarak renk görme, renk kodlaması ilk sinir aşamaları oldukça iyi anlaşılmış bir avantajı vardır. Gerçek mekanizmaları ve ayarlamalar karmaşık ve çeşitlidir, ancak adaptasyon önemli etkileri en az bir basit ve geleneksel iki aşamalı modeli (Şekil 1a) kullanılarak yakalanabilir. Birinci aşamada, renk sinyalleri ilk olarak, kısa, orta ya da uzun dalga boyunda (S, M ve L koniler) için maksimum duyarlı olan koni fotoreseptör üç tip tarafından kodlanır. İkinci aşamada, farklı koniler gelen sinyaller "renk rakip" cha oluşturmak üzere sonradan receptoral hücreler içinde birleştirilirFarklı konileri antagonistik girdileri almak nnels (böylece "parlaklık" bilgi kodlama) ve konik giriş birlikte toplamı "olmayan karşıt" kanal (ve bu nedenle "renk" bilgi iletmek). Uyum Her iki aşamada gerçekleşir ve iki farklı renkte yönlerine ayarlar – (koniler) ortalama ve (sonrası receptoral kanallarda) varyans ^{30, 31.} simülasyonların hedefi, uyarlanmış çıkışları görüntüyü modeli mekanizmalarına bu ayarlamaları uygulamak ve sonra kılmaktır.

uyarlama görüntülerin süreç altı birincil bileşenleri içerir. Bunlar 1) görüntüleri seçiyor; 2) görüntü spektrumları formatını seçerek; 3) ortamda renk değişikliği tanımlayan; 4) gözlemcinin duyarlılık değişikliği tanımlayan; 5) adapte görüntüler oluşturmak için programı kullanılarak; ve 6) adaptasyon sonuçlarını değerlendirmek için görüntüleri kullanarak. TO aşağıdaki ayrıntılı olarak bu adımların her biri dikkate alır. Görüntülerin 5 örneklerini gösterir modeli ile işlenen – Şekil 2 ise temel model ve mekanizma tepkileri, Şekil 1 'de gösterilmektedir.

Protocol

NOT: protokol resimli bir resim seçip daha sonra farklı açılır menülerden tarafından seçilen seçenekleri kullanarak adapte sağlayan bir program kullanır.

1. Uyum Resmi seçin

1. Resmin üzerine tıklayın ve çalışmak için resmin dosya göz atın. Sol üst bölmede orijinal görüntüyü gözlemleyin.

2. Stimulus ve Observer belirtme

1. Görüntüyü ve gözlemci temsil etmek nasıl seçmek için "biçim" menüsünü tıklayın.
2. belirli bir renk dağılımına uyum standart veya ortalama gözlemci modellemek için "standart gözlemci" seçeneğine tıklayın. Bu durumda, koni hassasiyetleri ³² resmin RGB değerlerini dönüştürmek için standart denklemleri kullanır.
3. Belirli bir gözlemcinin spektral hassasiyetlerini modellemek için "bireysel gözlemci" seçeneğine tıklayın. Bu duyarlılık dalga boyuna bağımlı olduğu için, program congörüntü için standart veya ölçülen emisyon spektrumu kullanılarak silah tayfı olarak resmin RGB değerlerini verts.
4. Dünyada gerçek spektrum yaklaşmak için "doğal spektrumları" seçeneğine tıklayın. Bu seçenek resim rengi için, karşılık gelen bir spektrum yaklaştığı standart baz fonksiyonları ³³ veya Gauss spektrumları ³⁴ kullanılarak, örneğin, spektrumları RGB değerleri dönüştürür.

Adaptasyon Seçiniz Durum 3.

1. (Renk eksik gözlemci vs normal, örneğin) aynı ortama farklı ortamlarda (örneğin, kentsel peyzaj vs bir ormanın renklerine) veya farklı gözlemcilere aynı gözlemci ya uyarlayın.
   1. İlk durumda, ortamları seçmek için menüleri kullanın. İkinci olarak, gözlemcinin duyarlılığını belirlemek için menüleri kullanın.
2. ortamları ayarlamak için "referans" ve "test" envir seçmekAçılır menülerden onments. Bu farklı ortamlar için bir mekanizma yanıtları yükleyerek uyum iki farklı durumları kontrol eder.
   1. başlangıç ​​ortamını kontrol etmek için "referans" menüsünü seçin. Bu konu orijinal görüntüye bakarken adapte edilir ortamdır.
      NOT: Farklı ortamlar için önceden hesaplanmış olan gösterilen seçenek. Bu görüntülerin farklı koleksiyonları için renk gamutundan ölçümlerinden elde edilmiştir. Örneğin, bir uygulama renk algısı farklı zamanlarda ²⁷ aynı yerden alınan kalibre görüntüleri kullanarak, mevsim değişiklikleri ile değişebilir nasıl incelenir. Başka bir çalışmada, adaptasyon farklı yerlerdeki renk percepts nasıl etkileyebileceğine keşfetmek, farklı sahne kategorilerinde ²⁹ görüntülerini örnekleme yoluyla yerleri temsil etti.
   2. Özel bir çevre için değerler yüklemek için "kullanıcı tanımlı" ortamı seçin. obstaramak ve belirli bir dosyayı seçmek için bir pencere ERVE. Bağımsız görüntüler için bu dosyaları oluşturmak için (adım 1'de olduğu gibi) dahil edilecek her görüntüyü ve ardından "görüntü yanıtları kaydetmek" butonuna basın.
      NOT: Bu seferki oluşturmak veya her görüntüye yanıtlarını depolamaya bir excel dosyası eklenecek bir pencere gösterecektir. Yeni bir dosya oluşturmak için dosya adı girin ya da mevcut bir dosyaya göz atın. Varolan dosyaları için, mevcut resme tepkiler eklenir ve tüm resimlere yanıtların otomatik olarak ortalama. "Kullanıcı tanımlı" seçeneği ile dosya seçildiğinde bu ortalamalar referans ortamı için girilir.
   3. görüntü için ortamlarının listesine erişmek için "test" menüsünü seçin için ayarlanması. Görüntülenen görüntü için mekanizma yanıtları kullanmak için "geçerli görüntü" seçeneğini seçin.
      NOT: Bu seçenek konular anda görüntülenen ediliyor Resimdeki renklerin uyum varsayılır. Aksi halde t birini seçmeko ortamları veya test ortamı yüklemek için "kullanıcı tanımlı" seçeneği ön hesaplaması.

4. Observer spektral Duyarlılığı seçin

NOT: Farklı ortamların adaptasyon efektleri, gözlemci genellikle sabit kalır ve ortalama spektral duyarlılığı ile varsayılan "standart gözlemci" olarak ayarlanır. tarama pigment veya gözlemcinin spektral duyarlılık miktarını kontrol bağımsız bir spektral duyarlılık ayarı için 3 menü bulunmaktadır.

1. Lens pigment yoğunluğunu seçmek için "objektif" menüsünü tıklayın. Farklı seçenekler biri farklı yaşlardaki yoğunluk özelliğini seçmenize olanak verir.
2. Benzer maküler pigment yoğunluğunu seçmek için "maküler" menüsünü tıklayın. pigment zirve yoğunluğu bakımından bu seçenekleri gözlemleyin.
3. Hiçbir olan gözlemciler arasında seçim yapmak "koniler" menüsünü tıklayınrmal trichromacy veya anormal trichromacy farklı türleri.
   NOT: Program gözlemci ve doğrusal kabaca eşit örnek farklı renk ve parlaklık kombinasyonlarına koni sinyallerini birleştirmek 26 postreceptoral kanalları, bir dizi konik spektral hassasiyetleri tanımlar seçenek dayanarak.

5. Resmi Uyum

1. "Uyum" butonuna tıklayın.
   Not: Bu, görüntüdeki her piksel için koniler ve post-receptoral mekanizmaların yanıt hesaplamak için kodu çalıştırır. adapte renk dağılımına ortalama tepki referans dağılımı için ortalama yanıt eşit olacak şekilde tepki ölçeklenir, ya da ortalama yanıt, bir kişi ya da bir referans gözlemci için aynı olduğu. Ölçekleme von Kries adaptasyonu ³⁵ taklit etmek için çarpan bir. Yeni görüntü daha sonra mekanizma yanıtları toplanmasıyla ve görüntüleme için RGB değerlerine geri dönüştürülmesiyle oluşturulur. alg Detaylarıorithm ^{26, 27, 28, 29} 'de verilmiştir.
2. Ekranda üç yeni görüntüler gözlemleyin. Bu 1) olarak etiketlenmiştir "uyumsuz" – test görüntüsü tamamen referans ortama adapte birine nasıl görüneceğini; 2) "konik adaptasyon" – bu, sadece reseptörleri uyarlanması için ayarlanabilir görüntüsünü gösterir; ve 3) "tam adaptasyon" – Bu ortamda veya gözlemci değişikliği tam adaptasyon tarafından tahmin görüntüyü gösterir.
3. Üç hesaplanan-görüntü kaydetmek için "görüntüleri kaydetmek" butonuna tıklayın. Klasör için göz atabilir ve dosya adını seçmek için ekranda yeni bir pencere gözlemleyin.

6. Uyum Sonuçlarını Değerlendirmek

NOT: Orijinal referans ve uyarlanmış görüntüleri aynı görüntü modellenen Adapta iki eyalette altında görünmelidir nasıl simülesiyon ve önemlisi, sırf adaptasyon devletin farklıdır. Görüntülerde farklılıklar dolayısıyla adaptasyon sonuçları ilişkin bilgi sağlar.

1. Görme görüntüler arasındaki farklılıkları göz.
   NOT: Görüntülerin Basit muayene çok renk görme farklı renk ortamlarda yaşarken değişebilir veya gözlemci bir hassasiyet değişikliği için ne kadar adaptasyon telafi nasıl göstermek yardımcı olabilir.
2. Ampirik olarak adaptasyon ²⁹ sonuçlarını değerlendirmek görüntülerle analizler veya davranışsal ölçümleri kullanarak bu adaptasyon etkilerini ölçmek.
   1. nasıl renk görünümü değişse ölçün. Örneğin, nasıl renk kategorileri veya farklı ortamlarda veya gözlemci karşısında algısal niteliklerini ayırt kayması ölçmek için iki resim renkleri karşılaştırın. Örneğin, kullanım ne kadar eşsiz tonları (örneğin, saf sarı veya mavi) olabilir teorik olarak v hesaplamak için adaptasyon ile rengindeki değişikliklerin analizleriÇünkü Gözlemcinin renk ortamında ²⁹ varyasyonların Ary.
   2. adaptasyon görsel duyarlılık veya performansını nasıl etkilediğini sor. Örneğin, gözlemciler ilk arka plan renkleri adapte edildiğinde yeni bir renk için görsel arama daha hızlı olup olmadığını karşılaştırmak için uyarlanmış resimleri kullanabilirsiniz. Tek hedef ²⁹ yerleştirilmesi için ölçülen reaksiyon süreleri ile, görüntü ile ilgili hedefleri ve resimlerle birlikte uyarlanmıştır farklı renkli Şıkkın bir dizi üst üste deneyi yürütmek.

Representative Results

Discussion

resimli protokol ortamında veya gözlemci bir değişikliğe adaptasyon etkisi görüntüleri tasvir edilebilir gösterilmiştir. Bu betimleme modeli için yapılan varsayımlara bağlıdır alır formu – renk kodlu nasıl, örneğin, nasıl kodlama mekanizmaları tepki ve uyum. hipotez kanalların özellikleri nelerdir örneğin, ve bunlar adapte varsayılır nasıl – Böylece en önemli adım renk görüşü için model üzerinde karar vermektir. diğer önemli adımlar arasında adapte iki ortamlar ya da iki gözlemci hassasiyetleri özellikleri, uygun parametreleri ayarlamak için vardır.

resimli modeli çok basit olduğunu ve eksiktir ve uygulamaya bağlı olarak genişletilmiş olabilir pek çok yol vardır. Örneğin, renk bilgileri, bağımsız bir şekilde formun kodlanmayan ve gösterilen simülasyonlar uzaysal yapısı hesaba katmazNöral açık alanların, ya da bu tür kontrast normalleşme ³⁸ olarak mekanizmalar arasında bilinen etkileşimlerin ve görüntülerdir. Benzer şekilde, görüntülerdeki tüm pikseller eşit ağırlık verilmektedir ve bu nedenle simülasyonlar böyle sahneler göz hareketleri ile örneklenir nasıl olarak mekansal faktörler dahil olması gerekmez. modeldeki Adaptasyon da basit çarpımsal ölçeklendirme temsil ettiği varsayılır. Bu renk uyumu bazı formları için uygun olan ama düzgün sonrası receptoral düzeyde tepki değişikliklerini tarif olmayabilir. Benzer şekilde, modelinde kontrast yanıt fonksiyonları, doğrusal olan ve böylece nöronların gerçek tepki fonksiyonlarını taklit yoktur. Bir başka önemli sınırlama resimli simülasyonlar gürültü dahil kalmamasıdır. Bu gürültü veya öncesinde uyum sitelere oluşursa, o zaman adaptasyon hem sinyal ve gürültüyü ayarlayabilir ve sonuç görünüm ve görsel performans ³⁹ çok farklı etkileri olabilir. Tek yön içingürültü etkilerini taklit uyarıcı ^28'de rastgele tedirginlikler tanıtmaktır. Ancak, bu gürültü bir gözlemciye "benziyor" what taklit olmaz.

gösterilen örneklerle belirtildiği gibi, simülasyonlar gözlemcinin sadece spektral ve kontrast hassasiyeti göz önüne alındığında, belirgin değildir renk deneyimi çok özelliklerini yakalayabilir ve özellikle fonksiyon renk algılama normalize ve dengeleyen bir adaptasyon önemine işaret gözlemcinin hassasiyeti sınırları. Bu bağlamda, teknik görselleştirilmesi ya da görsel gözlemleri tahmin etmek için avantaj ve bir dizi uygulamayı içerir. Bunlar aşağıdakileri içerir:

Varyant Vizyonun iyi Simülasyonlar

Belirtildiği gibi, farklı bir duyarlılık için bir görüntü filtreleme biri deneyimleri görüntüdeki bilgiler değişmiş olduğunda neyi ortaya çıkarır, ama ne tahmin de hiç az yaparBu duyarlılıkla gözlemci yaşayacaktır. Bir örnek olarak, eski bir gözlemcinin gözünün sararma lens simüle etmek süzülmüş gri bir yama ⁹ sarıdır görünüyor. Ama onların yaşlı lensler alışıktır eski gözlemciler yerine tanımlamak ve muhtemelen tam anlamıyla gri ⁴⁰ olarak uyarıcı görüyoruz. Burada görüldüğü gibi, bu görsel sistemin ^28'de adaptasyon doğal bir sonucudur ve bu nedenle bu adaptasyon birleştiren daha iyi bir bireyin percepts görselleştirmek için önemlidir.

Gözlemciler Arası ve Ortamlarda Arasındaki Farklar tahmin Ortak Mekanizması

Çoğu simülasyon teknikleri gözlemci değişiklikleri tahmin odaklandık. Oysa adaptasyon ayrıca rutin olarak dünyanın ^{18, 19} değişiklikler ile tahrik edilmektedir. Örneğin, kentsel Vs. kırsal ya ar farklı görsel ortamlarda (dalmış Bireylerid Vs. ) gür adaptasyon ^{41, 42} çok farklı durumlara yol açabilir uyarım çok değişik şekillere maruz kalır. Üstelik bu farklılıklar giderek uzman ve teknik toplumda (örneğin, bir sanatçı, radyolog, video oyun oynatıcı veya dalgıç) farklı niş işgal bireyler arasında vurgulanmakta. Algısal öğrenme ve uzmanlık çok çalışılan ve birçok faktöre ^{43, 44, 45} bağlıdır edilmiştir. Ama bunlardan biri poz ^{46, 47} basit olabilir. Örneğin, gözlemciler ayırmada ve hangilerinin "diğer ırk" etkisi, bir hesap, kendi etnik ile karşı karşıya onlar genellikle ^{48, 49} karşılaşmak yüzleri adapte çünkü olduğunu. Adaptasyon işbirliği sağlarBir hassasiyet değişim Vs. etkisini değerlendirmek için metrik MMON algı üzerindeki uyarıcı değişim ve böylece iki farklı gözlemciler Vs. aynı dünyayı yaşayabilirsiniz nasıl tahmin etmek için İki farklı dünyada aynı gözlemci yerleştirilmesi.

Uyum Uzun vadeli Sonuçlarını değerlendiren

Aslında onların duyarlılık ve algılama değişikliği köklü ve yoğun bir şekilde araştırılmıştır psikofiziksel tekniktir kadar ölçülerek gözlemci uyarlama ve. Bununla birlikte, bu ölçümler, genellikle birkaç dakika veya saat süren kısa süreli maruz kalma ile sınırlıdır. Artan kanıtlar adaptasyon da çok daha zor ampirik ^{50, 51, 52, 53, 54} sınamak için vardır çok daha uzun zaman çizelgelerine üzerinde faaliyet göstermektedir. adaptasyon Simülasyon itme ADAp avantajıtation onların teorik uzun vadeli limitleri ve deneysel olarak pratik değildir bu nedenle keşfetmek zaman çizelgelerine göre belirtmektedir. Ayrıca, yaşlanma ya da progresif bir hastalık olarak değişerek algısal sonuçlarını test etmek için izin verir.

Uyum Potansiyel Faydaları değerlendirilmesi

Konuyla ilgili bir sorun birçok fonksiyonlar adaptasyon için önerilmiştir ederken, performans artışı genellikle kısa süreli uyum çalışmalarında belirgin olmaması ve bu gelişmeler sadece daha uzun zaman dilimi zarfında ortaya çünkü bu bölümünde olabilir. Gözlemciler bu zaman çizelgelerine simüle etmek uyarlanmış görüntülerle farklı görsel görevleri yerine ne kadar iyi test algısal faydalar ve adaptasyon ²⁹ maliyetlerini keşfetmek için yeni bir yöntem sağlar.

Görsel Kodlama ve Uyum Testi Mekanizmaları

simülasyonlar görselleştirmek için yardımcı olacak ve görsel beni hem farklı modeller karşılaştırabilirsinizmaları ve nasıl farklı model bu mekanizmalar hassasiyetini ayarlayın. Bu tür karşılaştırmalar görsel performans ve algı için görsel kodlama farklı yönleri nispi önemini ortaya yardımcı olabilir.

Gözlemciler Görüntüleri uyarlanması

O adaptasyon biri iyi görmek için yardımcı olur ölçüde, bu tür simülasyonlar daha iyi gözlemciler için bilgi vurgulayabilirsiniz görüntü işleme modellerini geliştirmek için bir potansiyel olarak güçlü bir araç sunar. Bu görüntü geliştirme teknikleri yaygın olduğu, fakat, bu yaklaşım, gerçek beyin görme sistemi yararlanmaya gelişti gerçek kodlama stratejileri simüle etmek için bu şekilde ayarlar ve yolları içinde bir görüntü uyum sağlayacak şekilde tasarlanmıştır. Prensipte yerine görüntüleri adaptasyon gözlemciler ²⁶ şu anda belirtiyor maç için ayarlayarak görsel bir roman ortamına alışmaları için gözlemci ihtiyacını ortadan kaldırabilecek bu şekilde görüntüleri Ön ^işleme, <sup class = "xref"> 29.

Neredeyse tamamen bizim algı bir duyarlılık değişikliğini uygulama indirim bu adaptasyon olabilir önermek gerçekçi görünmeyebilir, ancak gözlemleri bilgi dramatik duyarlılık farklarının ⁵⁵ etkilenmeyen görünür yapmak birçok örnek vardır ve bu adaptasyon herhangi için ne kadar tam ampirik bir sorudur görüntüleri de ele kullanılabilir uyarlanmış bir – davayı verilen. Amaç gözlemci algısal deneyim görselleştirmek için ise herhangi bir durumda, daha sonra bu simülasyonlar tartışmasız tek görüntü filtreleme dayalı geleneksel simülasyonları daha bu deneyimi karakterize çok daha yakın geliyor. Ayrıca, tahmin ve duyusal adaptasyon ²⁹ sonuçlarını ve fonksiyonlarını test edilmesi için yeni bir araç sağlar. Yine bu adaptasyon duyusal işleme her yerde olduğunu ve benzer modeller diğer görsel nitelikler ve diğer s üzerinde adaptasyon etkisini araştırmak için yararlanılabilirenses.

Materials

Computer
Images to adapt
Programming language (<em>e.g.,</em> 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)