시각 적응을 시각화

Behavior
 

Summary

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

Cite this Article

Copy Citation | Download Citations

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

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

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 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

  1. 이미지를 클릭하고 작업 할 이미지의 파일 이름을 찾습니다. 왼쪽 창에서 원본 이미지를 관찰합니다.

2. 자극과 관찰자 지정

  1. 이미지와 관찰자를 표현하는 방법을 선택합니다 "형식"메뉴를 클릭합니다.
  2. 특정 색 분포에 적응 표준 또는 평균 관찰자를 모델로 "표준 관찰자"옵션을 클릭합니다. 이때, 콘 (32)에 감도 이미지의 RGB 값을 변환하는 표준 공식을 사용한다.
  3. 특정 관찰자의 스펙트럼 민감도를 모델링하기 위해 "개인 관찰자"옵션을 클릭합니다. 이 감도는 파장에 의존하기 때문에, 프로그램 콘디스플레이의 표준 또는 측정 된 방출 스펙트럼을 이용하여 총 스펙트럼으로 화상의 RGB 값 버텍스.
  4. 세계에서 실제 스펙트럼을 근사 "자연 스펙트럼"옵션을 클릭합니다. 이 옵션은 이미지의 색상에 해당하는 스펙트럼을 근사화 표준 기저 함수 33 가우스 스펙트럼 (34)을 이용하여, 예를 들어, 스펙트럼으로 RGB 값으로 변환한다.

적응 조건을 선택합니다

  1. (색상 결핍 관찰자 대 정상, 예를 들면) 동일한 환경에 서로 다른 환경 (예를 들어, 도시 풍경 대 숲의 색), 또는 다른 관찰자에 동일한 관찰자 중 하나를 적응.
    1. 전자의 경우, 환경을 선택하는 메뉴를 사용합니다. 후자에서, 관찰자의 민감성을 정의하는 메뉴 사용법.
  2. 환경을 설정하려면 "참조"및 "테스트"envir을 선택드롭 다운 메뉴에서 onments. 다음은 서로 다른 환경에 대한 메커니즘 응답을로드하여 적응의 두 개의 서로 다른 상태를 제어 할 수 있습니다.
    1. 시작 환경을 제어 할 수있는 "참조"메뉴를 선택합니다. 이 피사체는 원래 이미지를 보면서 적응되는 환경이다.
      참고 : 다른 환경에 대해 미리 계산되어 표시되는 선택. 이러한 이미지의 다른 컬렉션의 색 영역의 측정에서 파생되었다. 예를 들어, 하나의 응용 프로그램은 컬러 인식이 서로 다른 시간에 27에서 같은 위치에서 촬영 보정 된 이미지를 사용하여 계절의 변화에 따라 달라질 수있는 방법을 살펴 보았다. 또 다른 연구는 적응이 서로 다른 위치에 걸쳐 색 지각 표상에 영향을 줄 수있는 방법을 탐구, 다른 장면 카테고리 (29)의 이미지를 샘플링하여 위치를 표현.
    2. 사용자 정의 환경에 대한 값을로드하려면 "사용자 정의"환경을 선택합니다. OBS검색하고 특정 파일을 선택하는 창이 정말 짜증나. 독립적 인 이미지에 대한 이러한 파일을 만들려면 (1 단계로)에 포함되는 각 이미지를 표시하고 "이미지 응답을 저장"버튼을 클릭합니다.
      참고 :이 하나 만들거나 각 이미지에 대한 응답을 저장하는 엑셀 파일에 추가 할 수있는 창이 표시됩니다. 새 파일을 만들려면 파일 이름을 입력하거나 기존 파일을 검색. 기존 파일의 경우, 현재 이미지에 대한 응답이 추가되고 모든 이미지에 대한 응답은 자동으로 평균. "사용자 정의"옵션을 사용하여 파일을 선택하면이 평균은 기준 환경에 입력합니다.
    3. 이미지의 환경 목록에 액세스하려면 "테스트"메뉴를 선택 조정합니다. 표시된 이미지의 메커니즘 응답을 사용할 수있는 "현재 이미지"옵션을 선택합니다.
      참고 :이 옵션은 피사체가 현재보고있는 이미지의 색상에 적응하는 것으로 가정합니다. 그렇지 않으면 t 중 하나를 선택그는 환경이나 테스트 환경을로드하기 위해 "사용자 정의"옵션을 미리 계산.

4. 관찰자의 분광 감도를 선택

참고 : 다른 환경의 적응 효과의 경우, 관찰자는 일반적으로 일정하게 유지되며, 평균 스펙트럼 감도 기본 "표준 관찰자"로 설정되어 있습니다. 스크리닝 안료 또는 관찰자의 스펙트럼 감도의 양을 제어 개별 분광 감도를 설정하기위한 메뉴 (3)이있다.

  1. 렌즈 색소의 밀도를 선택합니다 "렌즈"메뉴를 클릭합니다. 다른 옵션은 하나가 다른 나이의 밀도 특성을 선택할 수 있습니다.
  2. 유사 황반 색소의 밀도를 선택할 수있는 '황반'메뉴를 클릭합니다. 안료의 최고 밀도의 관점에서 이러한 옵션을 관찰한다.
  3. 아니오 관찰자 사이에서 선택할 수있는 "콘"메뉴를 클릭rmal의 삼색 형 색각 또는 비정상적인 삼색 형 색각의 다른 유형.
    주 : 프로그램 관찰자 직선 대략 균일 샘플 다른 색상과 휘도의 조합을 콘 신호 (26 개)를 결합 postreceptoral 채널 세트의 콘 스펙트럼 민감도를 정의하는 선택 기준.

5. 이미지를 적응

  1. 은 "적용"버튼을 클릭합니다.
    주 :이 이미지의 각 화소에 콘 포스트 receptoral 메커니즘의 응답을 계산하기위한 코드를 실행한다. 적응시키는 색 분포에 대한 평균 응답이 기준 분포의 평균 응답 같도록 응답은 스케일링, 또는 이렇게 평균 응답 개별 또는 참조 관찰자 동일 함. 스케일링 폰 Kries 적응 35 시뮬레이션 곱셈이다. 새로운 이미지가 다음기구 응답들을 합산하고 디스플레이를 위해 RGB 값으로 다시 변환하여 렌더링된다. ALG 파일의 세부 사항orithm 26, 27, 28, 29에 제시되어있다.
  2. 화면에 세 개의 새로운 이미지를 관찰합니다. 이들은 1)로 표시되는 "unadapted"- 테스트 이미지가 완전히 참조 환경에 적응 사람에게 표시하는 방법; 2) "콘 적응"- 이것은 단지 수용체 적응 조정 이미지를 나타낸다 3) "완전 적응"-이 환경이나 관찰자의 변화에 ​​완전 적응에 의해 예측 된 이미지를 보여줍니다.
  3. 세 계산-이미지를 저장하기 위해 "이미지 저장"버튼을 클릭합니다. 폴더에 대한 검색하고 파일 이름을 선택하는 화면에 새 창을 준수하십시오.

6. 적응의 결과를 평가

주 : 원래 기준 및 적합한 이미지가 동일한 이미지 모델링 adapta의 두 상태에 표시하는 방법을 시뮬레이션기, 그리고 중요한 것은이 때문 만이 적응 상태의 차이가 있습니다. 이미지의 차이 따라서 적응의 결과에 대한 통찰력을 제공한다.

  1. 시각적 이미지의 차이점을 확인합니다.
    참고 : 이미지의 간단한 검사는 많은 컬러 비전은 다른 색상 환경에서 생활 할 때 다를 수 있습니다, 또는 관찰자의 감도 변화를 얼마나 적응을 보상하는 방법 쇼를 할 수 있습니다.
  2. 경험적으로 적응 (29)의 결과를 평가하기 위해 이미지 분석이나 행동 측정을 사용하여 이러한 적응의 효과를 정량화.
    1. 어떻게 색상의 외관이 변화 측정합니다. 예를 들어, 어떻게 색상 카테고리 또는 다른 환경 또는 관찰자에서 지각 돌출 변화 측정하기 위해 두 이미지의 색상을 비교합니다. 예를 들어, 사용은 얼마나 독특한 색채 (예를 들어, 순수한 노란색 또는 파란색) 할 수 이론적으로 V를 계산하는 적응 컬러의 변화 분석때문에 관찰자의 색상 환경 (29)의 변화의 아리.
    2. 적응이 시각 감도 또는 성능에 미치는 영향을 요청합니다. 예를 들면, 관찰자가 제 배경의 색에 적용되는 경우 신규 컬러 영상 검색을 빠르게인지 비교하는 적합한 이미지를 사용한다. 홀수 타겟 (29)의 위치에 대해 측정 된 반응 시간으로, 화상을 대상 화상과 함께 적응 된 다른 색깔 오답의 어레이를 중첩하여 실험을 실시한다.

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 나타납니다 (그림 2B). (평균 색과 색의 응답에 대응하는 이동은도 1c에 도시되어있다.) 그러나, 적응 평균 스펙트럼 변화 할인 거의 모든 컬러 외관 변화 (도 2C)로. 후속 콘트라스트 변화가 무시할만한 영향을 갖도록 원의 색 반응은 거의 완전 원추의 적응에 의해 회수된다.

NT는 "fo를 : 킵 together.within 페이지를 ="1 ">도 3은 반고 붓꽃 그의 통상 M photopigment 패 photopigment 28 6 내지 내로 피크 감도 늦춘 deuteranomalous 관찰자, 컬러 외관을 시뮬레이션 여과 도시 . 콘 적응 다시 평균 자극 색도 조정하지만 M 대 L은 변칙 안료 (도가도 3B)이(도 1D)을 따라기구 응답 압축. 이는 제안 된 약한로부터 대조 고호 그가 결핍 필터링 할 때 더 자연스러운 나타날 수 묘사 색상 때문에 컬러 결핍을 보상하기 위해 색상의 사용을 과장했을 수 있습니다. 그러나, 감소 된 대조에 적응을 대조하면 이미지가 다시 매우 유사 "표시"해야한다고 예측 후자의 L 훨씬 약한 극한 감도가 되더라도 정상적인 변칙 trichromat (도 3c) (36), (37)에 의해 예측되는 것보다 더 눈에 띄는 같은 사실을보고 붉은 녹색 대조 많은 변칙 trichromats.

그림 4는 모네의 선 라이즈 (해양)에 의해 묘사 흐릿한 이미지가 완전히 안개에 적응 관찰자 (또는 완전히 그의 그림에 적응 예술가로)에 표시하는 방법을 시뮬레이션하여, 환경 변화에 대한 시뮬레이션을 보여줍니다. 적응 전에 이미지는 어두운 크게 단색 (도 4a)를 표시하며 이미지 콘트라스트에 대응 메커니즘 응답은 약함 (도 1E)이다. 그러나, 평균 색 바이어스 (통상적 야외 장면에 대한 반응 메카니즘에 맞도록이 경우에) 감소 색 대비 모두 적응 정규화하고 비교할 수 있도록 인식 된 색 영역을 확대색 지각 표상의 범위는 빛이 잘 드는 야외 현장 (그림 4B)에 대한 경험했다.

마지막으로,도 5는 색각 공부 모델을 사용하기위한 프로토콜의 섹션 6.2에서 언급 된 두 가지 예를 도시한다. 도 5b가 동일 관찰자 다른 시뮬레이션의 범위로 구성되는 순수한 적색, 녹색, 청색, 황색을 표시하는 데 필요한 팔레트 자극의 변화를 나타내는 반면,도 5a는, 무성 또는 건조한 환경에 적응 하에서 먼셀 팔레트를 나타낸다 환경. 세계 컬러 설문 조사 (29)에 경험적으로 측정이 범위는 이러한 초점 색상의 실제 자극 범위의 측정 비교입니다. 내장 색상의 집합 전이나 화성의 풍경에 적응 한 후 표시되는 방식도 5c 대신 보여줍니다. 이미지의 집합을 적응하면을 찾는 데에 상당히 짧은 반응 시간을 주도비주얼 검색 작업 (29)의 독특한 색상.

그림 1
그림 1 : 모델. a) 응답은 자극 변화에 적응 콘의 자극 평균 적응 콘의 감도 () 또는 postreceptoral 조합 (와기구에 대한 모델링된다. b) 각 postreceptoral기구는 색상 -에서 다른 방향으로 동조 휘도 공간 벡터로 표시한다. 시뮬레이션 26 메카니즘 계산되는 샘플 (LM면 M 및 S L에 대해 도시하고, M 및 밝기 평면 L) 45 ° 간격으로 공간. c) 상부 및도 2의 중간 패널의 이미지 LM)면 M 및 S 대 equiluminant (L에 응답 메커니즘. 대조 반응은 SH 것을 의미모델이 45 ° 간격으로 채널을 기반으로하지만 더욱 완벽 22.5 ° 간격으로 자신이 응답 분포를 묘사. 원 화상 (도 2a)의 평균 색도 (0,0) 회색에 가까운 색상을 청 황색 축 바이어스된다. 관찰자의 렌즈 밀도를 높이면 옐로우 (도 2b)를 향해 평균에 큰 변화를 생성한다. d)도 3a 및도 3b에 도시 된 이미지에 대한 응답을 대비. 원본 (도 3a)의 콘 대조는 L 따라 압축 색 결손 관찰자 (도 3B)에 대한 M 축. 예)도 4a 및도 4b에 도시 된 이미지에 대한 응답을 대비. 원 화상 (도 4A)에 대한 낮은 콘트라스트 응답 FO 응답에 회화 평균 응답 일치 다음 적응, 확장된다야외 자연 장면 (그림 4B)의 전형적인 라 색 분포. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 2
그림 2 : 렌즈 노화의 결과를 시뮬레이션. 사과 세잔의 정물 (a)는 렌즈 (c)에 에이징 렌즈 (b) 및 적응을 시뮬레이션하기 위해 처리된다. 게티의 오픈 콘텐츠 프로그램의 디지털 이미지 의례. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 3
그림 3 : SimulatiNG 변칙 삼색 형 색각. 반고 창포는 (a) 감소 된 컬러를 시뮬레이션하는 색 결손 관찰자 (b)에 대조하고, 관찰자의 예측 외관은 충분히 감소 된 콘트라스트 (c)에 적용. 게티의 오픈 콘텐츠 프로그램의 디지털 이미지 의례. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 4
그림 4 : 낮은 대비 환경에 적응을 시뮬레이션. 모네의 선 라이즈 (해양). 원래의 화상 (a)는(b)에서 낮은 콘트라스트 적응 관찰자의 색의 외관을 시뮬레이션하기 위해 처리된다. 이것은 각각의 장치의 감도의 감도를 조정하여 이루어졌다그 그림의 색상에 대한 평균 응답은 자연 야외 장면 모음 측정 색상에 대한 평균 응답과 같다. 게티의 오픈 콘텐츠 프로그램의 디지털 이미지 의례. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 5
비주얼 성능을 검사하기 위해 모델을 사용하여 그림 5. a) 먼셀 팔레트 무성 또는 건조한 환경의 색에 따라 적응 렌더링. b)는 서로 다른 색상의 다양한 환경에 적응 한 후, 빨간색 순수한 녹색, 파란색 또는 노란색을 나타납니다 팔레트에서 칩. 빛 음영 기호는 세계 컬러 조사의 언어에서 평균 칩 선택의 범위를 플롯. c)의 표면 사진화성은 지구 나 화성에 적응 관찰자로 나타날 수있다. 중첩 패치 시각 검색 작업에 추가 자극의 예를 보여 주며, 균일 한 착색 오답 다르게 채색 된 타겟들의 집합을 포함한다. d) 상기 실험에서, 검색 시간은 홀수 타겟의 위치를 측정하고, 화성하도록 구성된 이미지 내의 실질적으로 짧아 있었다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

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. 다른 중요한 단계는 사이에 적응 두 가지 환경에서, 또는 두 개의 관찰자의 민감도의 특성, 적절한 매개 변수를 설정한다.

예시 된 모델은 매우 간단합니다, 그것은 불완전하고 응용 프로그램에 따라 확장 할 수있는 많은 방법이있다. 예를 들어, 컬러 정보는 독립적으로 인코딩 된 형태로되지 않고, 도시 된 시뮬레이션의 공간 구조의 더 고려하지신경 수용 필드 또는 콘트라스트 정규화 38기구에 걸쳐 공지의 상호 작용 또는 이미지. 마찬가지로, 화상 내의 모든 화소가 동일한 가중치를 부여하고, 따라서 시뮬레이션은 장면 안구 운동 샘플링하는 방법으로서, 공간 요소를 포함하지 않는다. 모델의 적응은 또한 단순한 승산 배율을 나타내는 것으로한다. 이 반음계 적응의 일부 형태에 적합하지만, 제대로 후 receptoral 수준에서 응답 변경 사항을 설명하지 않을 수 있습니다. 마찬가지로, 모델의 콘트라스트 응답 함수는 선형이고, 따라서 신경 세포의 실제 응답 기능을 모사하지 않는다. 추가의 중요한 한계는 도시 된 시뮬레이션은 노이즈를 포함하지 않는다는 것이다. 이 소음이나 종래의 적응 부위에 발생하면, 적응은 모두 신호와 노이즈를 조정할 수 있고, 결과적으로 외관 및 시인성 (39)에 매우 다른 영향을 미칠 수있다. 한 가지 방법에노이즈의 영향을 시뮬레이션하는 자극 (28)에 임의의 섭동을 소개하는 것입니다. 그러나,이 소음이 관찰자에 "보이는"모방하지 않습니다.

예시 된 예에 의해 제안으로, 시뮬레이션은 관찰자의 스펙트럼 및 대비 감도를 고려할 때 분명하지 않은 색 경험의 많은 특성을 포착 할 수 있으며, 특정 기능의 색상 인식을 정상화하고 보상에 적응의 중요성을 강조 관찰자의 민감도 한계. 이와 관련하여,이 기술은 구상 또는 시각적 지각 표상을 예측 장점 및 응용 프로그램을 제공한다. 이들은 다음과 같습니다 :

변형 비전의 더 나은 시뮬레이션

언급 한 바와 같이, 다른 감도에 대한 이미지를 필터링 한 경험이 이미지의 정보가 변경 될 때 무엇을 알 수 있지만, 얼마나 예측에 잘 덜하지그 감도 관찰자는 경험을 것이다. 예를 들어, 이전 관찰자의 눈의 황변 렌즈를 시뮬레이션하기 위해 필터링 회색 패치는 9 yellower 보인다. 그러나 그들의 세 렌즈에 익숙한 나이가 관찰자 대신 설명하고 아마 그대로 회색 (40)와 같은 자극을 참조하십시오. 다음과 같이,이 시각 시스템 (28)의 적응의 자연적인 결과이며, 따라서이 적응을 통합하는 것은 더 나은 개인의 지각 표상을 시각화하는 것이 중요하다.

관찰자 간 및 환경의 차이점을 예측하는 일반적인 메커니즘

대부분의 시뮬레이션 기술은 관찰자의 변화를 예측에 초점을 맞추고있다. 그러나 적응은 정기적으로 세계 18, 19의 변화에 의해 구동된다. 예를 들어, 도시 농촌, 또는 AR 다른 시각 환경 (에 몰두 개인아이디 ) 무성 적응 (41), (42)의 매우 상이한 상태로 이어질 수 자극 매우 다른 패턴에 노출된다. 또한, 이러한 차이는 점점 더 전문적이고 기술적 인 사회 (예를 들어, 예술가, 방사선, 비디오 게임 플레이어, 스쿠버 다이버)에서 다른 틈새 시장을 점유 개인들 사이에서 강조된다. 지각 학습과 전문 지식을 널리 연구하고 많은 요소 43, 44, 45에 의존하고있다. 그러나 이들 중 하나는 노출 46, 47 단순 할 수 있습니다. 예를 들어, 관찰자가 구별 더 잘되는 "다른 인종"효과 중 하나 개 계정, 우리 자신의 민족 얼굴로 그들은 일반적으로 48, 49가 발생 얼굴에 적응되기 때문이다. 적응은 공동 제공감도 변화 대의 영향을 평가하기위한 메트릭 MMON 인식에 자극 변화, 따라서 두 개의 서로 다른 관찰자 같은 세계를 경험하는 방법 예측 두 개의 서로 다른 세계에서 같은 관찰자를 배치.

적응의 장기 결과를 평가

실제로 자신의 감성과 인식의 변화가 잘 설립 및 광범위하게 조사 정신 물리학 기술을 어떻게 측정 후 관찰자에 적응합니다. 그러나 이러한 측정은 일반적으로 몇 분 또는 몇 시간을 지속 단기 노출 제한됩니다. 증가 증거가 적응이 훨씬 더 어려운 경험적으로 50, 51, 52, 53, 54을 테스트 할 수 있습니다 더 이상 시간 척도를 통해 운영 제안합니다. 적응을 시뮬레이션하는 것은 밀어 ADAP의 장점이있다tation는 이론적 장기 제한 및 실험 실용 없습니다 따라서 탐색 시간 척도를 말한다. 그것은 또한 노화 또는 진행성 질환으로 점진적 변화의 지각 결과를 테스트 할 수 있습니다.

적응의 예상 효과를 평가

이와 관련된 문제는 많은 기능을 적응 제안되었지만, 성능 향상은 종종 단기 적응의 연구에서 분명 아니라는 것을, 그리고 이러한 개선은 긴 시간 규모에 걸쳐 발생하기 때문에이 부분에있을 수있다. 관찰자는이 타임 스케일을 시뮬레이트하도록 구성된 이미지와 다른 시각적 작업을 수행하는 방법을 테스트하기 잘 지각 이득 적응 (29)의 비용을 탐색하기위한 신규 방법을 제공한다.

비주얼 코딩 및 적응의 테스트 메커니즘

시뮬레이션 시각화하는 데 도움이 시각적 나 모두 다른 모델을 비교할 수 있습니다chanisms 방법의 다른 모델은 이러한 메커니즘은 감도를 조정합니다. 이러한 비교는 시각적 성능과 인식을위한 영상 코딩의 다양한 측면의 상대적 중요성을 표시 할 수 있습니다.

관찰자로 이미지 적응

적응이 하나 더 참조하는 데 도움이되는 한도 내에서, 이러한 시뮬레이션은 더 나은 관찰자에 대한 정보를 강조 표시 할 수 있습니다 이미지 처리의 모델을 개발하기위한 잠재적으로 강력한 도구를 제공합니다. 이러한 이미지 개선 기술은 광범위하지만, 본 방법은 실제 뇌의 시각 체계가 활용하도록 진화 실제 코딩 전략 시뮬레이션 따라서 조정하고있는 방법에서 이미지를 조정하도록 설계된다. 원칙적으로 대신 이미지가 적응이 관찰자 (26)에 현재한다고 일치하도록 조정하여 시각적으로, 새로운 환경에 적응에 관찰자의 필요성을 제거 할 수 있습니다 이런 식으로 이미지를 전처리,

거의 완벽하게 우리의 지각 표상에서 감도 변화를 연습 할인 적응 수를 제안하는 것은 비현실적 보일 수 있습니다, 그러나 지각 표상은 극적인 감도의 차이 (55)에 의해 영향을받지 표시 할 많은 예들이있다, 그것은 적응이 모든 것이 얼마나 완벽한 경험적 질문 이미지도 해결하기 위해 사용될 수있는 적응 한 - 케이스를 제공. 목표는 관찰자의 지각 경험을 시각화하는 경우 어떤 경우, 다음이 시뮬레이션은 틀림없이 이미지 만 필터링을 기반으로 기존의 시뮬레이션보다는 그 경험의 특성을 훨씬 더 가까이 온다. 게다가 그들은 예측 감각 적응 (29)의 영향 및 기능 테스트를위한 신규 한 도구를 제공한다. 다시이 적응은 감각 처리에 편재 및 유사 모델은 다른 시각 특성 및 기타의에 대한 적응의 영향을 조사하기 위해 악용 될 수 있습니다enses.

Disclosures

저자가 공개하는 게 없다.

Acknowledgments

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

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)

DOWNLOAD MATERIALS LIST

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. Wade, A., Dougherty, R., Jagoe, I. Tiny eyes. Available from: http://www.tinyeyes.com/ (2016).
  7. Ball, L. J., Pollack, R. H. Simulated aged performance on the embedded figures test. Exp. Aging Res. 15, 27-32 (1989).
  8. Sjostrom, K. P., Pollack, R. H. The effect of simulated receptor aging on two types of visual illusions. Psychon Sci. 23, 147-148 (1971).
  9. Lindsey, D. T., Brown, A. M. Color naming and the phototoxic effects of sunlight on the eye. Psychol Sci. 13, 506-512 (2002).
  10. 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).
  11. 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).
  12. 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).
  13. Hogervorst, M. A., van Damme, W. J. M. Visualizing visual impairments. Gerontechnol. 5, 208-221 (2006).
  14. Aguilar, C., Castet, E. Gaze-contingent simulation of retinopathy: some potential pitfalls and remedies. Vision res. 51, 997-1012 (2011).
  15. Rowe, M. P., Jacobs, G. H. Cone pigment polymorphism in New World monkeys: are all pigments created equal? Visual neurosci. 21, 217-222 (2004).
  16. 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).
  17. 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).
  18. Webster, M. A. Adaptation and visual coding. J vision. 11, (5), 1-23 (2011).
  19. Webster, M. A. Visual adaptation. Annu Rev Vision Sci. 1, 547-567 (2015).
  20. Webster, M. A., Kaping, D., Mizokami, Y., Duhamel, P. Adaptation to natural facial categories. Nature. 428, 557-561 (2004).
  21. Webster, M. A., MacLeod, D. I. A. Visual adaptation and face perception. Philos. Trans. R. Soc. Lond., B, Biol. Sci. 366, 1702-1725 (2011).
  22. Schweinberger, S. R., et al. Auditory adaptation in voice perception. Curr Biol. 18, 684-688 (2008).
  23. Yovel, G., Belin, P. A unified coding strategy for processing faces and voices. Trends cognit sci. 17, 263-271 (2013).
  24. Shadmehr, R., Smith, M. A., Krakauer, J. W. Error correction, sensory prediction, and adaptation in motor control. Annu rev neurosci. 33, 89-108 (2010).
  25. Wolpert, D. M., Diedrichsen, J., Flanagan, J. R. Principles of sensorimotor learning. Nat rev Neurosci. 12, 739-751 (2011).
  26. McDermott, K., Juricevic, I., Bebis, G., Webster, M. A. Human Vision and Electronic Imaging. SPIE. Rogowitz, B. E., Pappas, T. N. 68060, V-1-10 (2008).
  27. Juricevic, I., Webster, M. A. Variations in normal color vision. V. Simulations of adaptation to natural color environments. Visual neurosci. 26, 133-145 (2009).
  28. 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).
  29. Webster, M. A. Probing the functions of contextual modulation by adapting images rather than observers. Vision res. (2014).
  30. Webster, M. A. Human colour perception and its adaptation. Network: Computation in Neural Systems. 7, 587-634 (1996).
  31. Webster, M. A., Mollon, J. D. Colour constancy influenced by contrast adaptation. Nature. 373, 694-698 (1995).
  32. Brainard, D. H., Stockman, A. OSA Handbook of Optics. Bass, M. 10-11 (2010).
  33. 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).
  34. 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).
  35. 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).
  36. Boehm, A. E., MacLeod, D. I., Bosten, J. M. Compensation for red-green contrast loss in anomalous trichromats. J vision. 14, (2014).
  37. Regan, B. C., Mollon, J. D. Colour Vision Deficiencies. Vol. XIII. Cavonius, C. R. Springer. Dordrecht. 261-270 (1997).
  38. Carandini, M., Heeger, D. J. Normalization as a canonical neural computation. Nature reviews. Neurosci. 13, 51-62 (2011).
  39. Rieke, F., Rudd, M. E. The challenges natural images pose for visual adaptation. Neuron. 64, 605-616 (2009).
  40. 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).
  41. Webster, M. A., Mollon, J. D. Adaptation and the color statistics of natural images. Vision res. 37, 3283-3298 (1997).
  42. Webster, M. A., Mizokami, Y., Webster, S. M. Seasonal variations in the color statistics of natural images. Network. 18, 213-233 (2007).
  43. Sagi, D. Perceptual learning in Vision Research. Vision res. (2011).
  44. Lu, Z. L., Yu, C., Watanabe, T., Sagi, D., Levi, D. Perceptual learning: functions, mechanisms, and applications. Vision res. 50, 365-367 (2009).
  45. 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).
  46. Kompaniez, E., Abbey, C. K., Boone, J. M., Webster, M. A. Adaptation aftereffects in the perception of radiological images. PloS one. 8, e76175 (2013).
  47. Ross, H. Behavior and Perception in Strange Environments. George Allen & Unwin. (1974).
  48. 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).
  49. Oruc, I., Barton, J. J. Adaptation improves discrimination of face identity. Proc. R. Soc. A. 278, 2591-2597 (2011).
  50. 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).
  51. 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).
  52. 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).
  53. Bao, M., Engel, S. A. Distinct mechanism for long-term contrast adaptation. Proc Natl Acad Sci USA. 109, 5898-5903 (2012).
  54. 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).
  55. Webster, M. A. Handbook of Color Psychology. Elliott, A., Fairchild, M. D., Franklin, A. Cambridge University Press. 197-215 (2015).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics