Görsel Adaptasyon görselleştirme

Behavior
 

Summary

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

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

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 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

4 gözlemci veya çevre değişiklikleri için uyum simülasyonları göstermektedir - 2 Şekil. Şekil 2 mercek pigment 28 yoğunluğunda sadece farklılık genç ve yaşlı gözlemci için Elma Cézanne'nin en Hareketsiz Yaşam tahmin görünümünü karşılaştırır. Genç gözün (Şekil 2a) yoluyla görülen orijinal resim daha yoğun pigmentli merceğinden daha sarıdır ve sönük görünür (Şekil 2b). (Ortalama renk ve renk yanıtları karşılık gelen değişimleri Şekil 1c'de gösterilen). Bununla birlikte, adaptasyon ortalama spektral değişimi indirimler hemen hemen tüm renk görünümü değişim (Şekil 2c) için. sonraki kontrast değişiklikler ihmal edilebilir bir etkiye sahip olacak şekilde orijinal renk tepkisi neredeyse tamamen, koni içinde adaptasyon geri kazanılır.

nt" fo: tutmak-together.within-sayfa = '1'> Şekil 3, Van Gogh'un Irises olan, normal M photopigment L photopigment 28 6 nm olan tepe duyarlılık kaymış bir deuteranomalous gözlemci, renk olarak taklit süzüldü gösterir . koniler Uyum tekrar ortalama uyaran kromatik için ayarlar, ancak M vs L anormal pigmentler (Şekil 3b) bu eksen (Şekil 1d) üzerinde mekanizması yanıtları sıkıştırılması. Bu öne sürülmüştür zayıf gelen tezat van Gogh o bir eksikliği için filtrelenmiş zaman daha doğal görünebilir tasvir renkler beri, bir renk körlüğü telafi etmek rengin kullanılmasını abartılı olabilir. Ancak, düşürülen tezat adaptasyonu kontrast görüntü tekrar çok benzer "görünür" gerektiğini öngörür ikinci L daha zayıf intrinsik hassasiyete sahip olsa bile, normal ve anormal trichromat (Şekil 3c), 36, 37 ile tahmin edilenden daha fazla göze çarpan olarak gerçeği raporu kırmızımsı-yeşilimsi tezat birçok anormal trichromats.

Şekil 4 Monet'nin Sunrise (Denizcilik) tarafından canlandırılan puslu görüntü tamamen pus adapte gözlemci (veya tamamen onun resminin için uyarlanmış bir sanatçı için) nasıl görünebileceği hakkında simüle ederek, çevre değişikliği için simülasyon gösterir. Adaptasyon önce görüntü karanlık ve büyük ölçüde tek renkli (bakınız Şekil 4a) görünür ve görüntü kontrast uygun mekanizma tepkileri zayıf (Şekil 1e) 'dir. Bununla birlikte, ortalama renk çapraz ve (tipik, dış mekanlarda mekanizması yanıtları eşleştirmek için bu durumda) düşük renk kontrast hem uyum normalleştirir ve karşılaştırılabilir şekilde algılanan renk yelpazesiRenk algı aralığı iyi aydınlatılmış bir açık sahne (Şekil 4b) için yaşadı.

Son olarak, Şekil 5, renkli görme çalışma yöntemi kullanılarak protokol bölüm 6.2'de belirtilen iki örneğini göstermektedir. Şekil 5b, aynı gözlemci farklı olarak taklit edilmiş bir dizi uyarlanmıştır saf kırmızı, yeşil, mavi veya sarı görünmesi için gerekli paleti uyarana değişimleri araziler ise Şekil 5a, bir gür ya da kurak ortama uyum altında Munsell Paleti gösterir ortamları. Dünya Renk Anketi 29'da ampirik ölçülen Bu aralık, bu odak renklerin gerçek uyarıcı aralığının ölçümlerine karşılaştırılabilir. Gömülü bir renk kümesi önce veya Mars peyzaj uyum sonra nasıl göründüğünü Şekil 5c yerine gösterir. görüntü için set uyarlanması bulmak için önemli ölçüde daha kısa tepki süreleri açtıBir görsel arama görevi 29 benzersiz renkler.

Şekil 1
Şekil 1: Örnek. a) Yanıtlar uyaran varyans uyum konilerin uyaran ortalama uyum konilerin hassasiyetleri () veya postreceptoral kombinasyonları ile (mekanizmalar için modellenmiştir. b) Her postreceptoral mekanizması renk-içinde farklı bir yöne ayarlanır parlaklık alanı, vektörler ile gösterildiği gibi. Simülasyonlar için 26 mekanizmaları, bilgisayarlı olan örneği (LM yüzeyine karşı M ve S vs L gösterilmektedir ve M ve parlaklık yüzeyine karşı L) 45 ° 'lik aralıklarla alanı. c) üst ve Şekil 2'nin orta panelde resimlere LM) yüzeyine karşı M ve S vs equiluminant (L mekanizmaların Yanıtlar. Kontrast tepkileri sh ortalamaModel 45 ° aralıklarla kanallara göre olsa daha tam için 22.5 ° aralıklarla kendi, tepki dağılımını tasvir. Orijinal görüntü (Şekil 2a) 'de ortalama renklilik (0,0) gri yakındır ve renk mavimsi sarımsı ekseni boyunca eğimlidir. Gözlemcinin mercek yoğunluğunu arttırmak sarı (Şekil 2b) doğru ortalama büyük bir kayma üretmektedir. d) Şekil 3a ve 3b'de gösterilen resimler için yanıt kontrast. Orijinal (Şekil 3a), koni tezat L Vs. boyunca sıkıştırılır Renk eksikliği gözlemci (Şekil 3b) için hesaplanan M ekseni. e) Şekil 4a ve 4b'de gösterilen resimler için yanıt kontrast. Orijinal görüntü (Şekil 4a) için düşük kontrast yanıtları fo yanıtlara boyamaya ortalama yanıtları maçları aşağıdaki adaptasyonu, genişletilmişAçık doğal perde (Şekil 4b) tipik RA renk dağılımı. Bu rakamın büyük halini görmek için buraya tıklayın.

şekil 2
Şekil 2: Objektif Yaşlanma Sonuçlarını Simülasyon. Elma Cézanne'nin en Natürmort (a) mercek (c) bir yaşlanma lensi (b) ve adaptasyon simüle etmek işlemiştir. Getty'nin Açık İçerik Programı Dijital görüntü nezaket. Bu rakamın büyük halini görmek için buraya tıklayın.

Şekil 3,
Şekil 3: simulating Anormal Trichromacy. Van Gogh'un Irises, (a), düşük renk simüle eden bir renk eksikliği gözlemci (b) 'de tezat ve gözlemci tahmin görünümü tam az kontrast (c)' uyarlanmış. Getty'nin Açık İçerik Programı Dijital görüntü nezaket. Bu rakamın büyük halini görmek için buraya tıklayın.

Şekil 4,
Şekil 4: Düşük Kontrast Ortama Adaptasyon Simülasyon. Monet'nin Sunrise (Denizcilik). Orijinal görüntü, (a) Olay (b) 'de kontrastlarına uyarlanmış bir gözlemci için renk olarak taklit etmek üzere işlenir. Bu yüzden her mekanizmanın hassasiyeti hassasiyetini ayarlayarak yapıldıBu resimlerde renklerine ortalama yanıt doğal açık sahneleri bir koleksiyon için ölçülen renklerine ortalama tepki eşittir. Getty'nin Açık İçerik Programı Dijital görüntü nezaket. Bu rakamın büyük halini görmek için buraya tıklayın.

Şekil 5,
Görsel performansı incelemek için Modelini Kullanarak Şekil 5.. a) Munsell palet gür ya da kurak ortamın renk uyumu altında verilen. b) Farklı renk ortamlarda bir dizi uyum sonra, kırmızı saf yeşil, mavi veya sarı görünmesi gereken paletinde cips. Açık gölgeli semboller Dünya Renk Anketi dillerden ortalama çip seçimleri aralığını çizmek. c) yüzeyi görüntüleriMars Dünya'ya veya Mars'a uyarlanmış bir gözlemci gibi görünebilir olarak. Üst üste yamalar görsel arama görevi için ilave uyarıcıların örnekleri göstermektedir, ve eşit ölçülü renkli bir distraktörler ve bir farklı renkli hedef bir dizi içerir. d) bir deneyde, ara kat tek bir hedef bulma için ölçülen ve adapte Mars adapte görüntüler içinde önemli ölçüde daha kısa edildi. Bu rakamın büyük halini görmek için buraya tıklayın.

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,

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.

Disclosures

Yazarlar ifşa hiçbir şey yok.

Acknowledgments

Sağlık (NIH) hibe EY-10834 Ulusal Sağlık Enstitüleri tarafından desteklenir.

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