La visualización de Visual Adaptación

Behavior
 

Summary

Este artículo describe un nuevo método para la simulación y el estudio de la adaptación en el sistema visual.

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

Muchos se han desarrollado técnicas para visualizar el aspecto que tendría una imagen de una persona con una sensibilidad visual diferente: por ejemplo, debido a las diferencias ópticas o edad, o una deficiencia de color o enfermedad. Este protocolo describe una técnica para la incorporación de la adaptación sensorial en las simulaciones. El protocolo se ilustra con el ejemplo de la visión del color, pero es generalmente aplicable a cualquier forma de adaptación visual. El protocolo utiliza un modelo simple de la visión humana del color basado en suposiciones estándar y plausibles sobre el color de la retina y de los mecanismos corticales codificación y cómo éstos ajustan su sensibilidad tanto el color medio y la gama de color en el estímulo predominante. Las ganancias de los mecanismos están adaptados de modo que su respuesta media bajo un mismo contexto se equipara para un contexto diferente. Las simulaciones ayudan a revelar los límites teóricos de adaptación y generar "imágenes adaptadas" que se adaptan de manera óptima a un enviro específicanment u observador. También proporcionan una métrica común para explorar los efectos de la adaptación dentro de los diferentes observadores o diferentes entornos. La caracterización de la percepción visual y el rendimiento con estas imágenes proporciona una nueva herramienta para estudiar las funciones y consecuencias de la adaptación a largo plazo en la visión u otros sistemas sensoriales.

Introduction

Lo que el mundo podría parecerse a los demás, o para nosotros mismos a medida que cambiamos? Las respuestas a estas preguntas son de importancia fundamental para la comprensión de la naturaleza y los mecanismos de percepción y las consecuencias de ambas variaciones normales y clínicos en la codificación sensorial. Una amplia variedad de técnicas y enfoques han sido desarrollados para simular cómo las imágenes pueden parecer a las personas con diferentes sensibilidades visuales. Por ejemplo, estos incluyen simulaciones de los colores que pueden ser discriminados por diferentes tipos de deficiencias de color 1, 2, 3, 4, las diferencias espaciales y cromáticas que pueden ser resueltos por los bebés o los observadores mayores 5, 6, 7, 8, 9 , cómo las imágenes aparecen en la visión periférica hasta class = "xref"> 10, y las consecuencias de los errores o la enfermedad de 11, 12, 13, 14 ópticas. También se han aplicado para visualizar las discriminaciones que son posibles para otras especies de 15, 16, 17. Típicamente, tales simulaciones usan mediciones de las pérdidas de sensibilidad en diferentes poblaciones para filtrar una imagen y por lo tanto reducir o eliminar la estructura que tienen dificultad para ver. Por ejemplo, las formas comunes de ceguera al color reflejan una pérdida de uno de los dos fotorreceptores sensibles a longitudes de onda media o larga, y las imágenes filtradas para eliminar sus señales aparecen típicamente desprovisto de matices "rojizo-verdosos" 1. Del mismo modo, los niños tienen la agudeza más pobre, y por lo tanto las imágenes procesadas por su sensibilidad espacial reducida aparecen borrosas . f "> 5 Estas técnicas proporcionan inestimables ejemplos de lo que una persona puede ver que el otro no puede, sin embargo, no lo hacen -. y, a menudo no están destinados a - retratar la experiencia perceptiva real del observador, y en algunos casos puede falsear la cantidad y tipos de información disponible para el observador.

En este artículo se describe una nueva técnica desarrollada para simular diferencias en la experiencia visual que incorpora una característica fundamental de la codificación visual - adaptación 18, 19. Todos los sistemas sensoriales y motores se ajustan continuamente al contexto en el que están expuestos. Un olor acre en una habitación se desvanece rápidamente, mientras que la visión se adapta a la forma brillante u opaca la habitación es. Es importante destacar que estos ajustes se producen para casi cualquier atributo de estímulo, incluyendo las percepciones de "alto nivel", tales como las características de la cara de alguien 20,class = "xref"> 21 o su voz 22, 23, así como la calibración de los comandos de motor hechas al mover los ojos o alcanzar un objeto 24, 25. De hecho, la adaptación es probable que una propiedad esencial de casi todos los procesos neurales. Este documento ilustra cómo incorporar estos efectos de adaptación en las simulaciones de la apariencia de las imágenes, por, básicamente, "la adaptación de la imagen" para predecir cómo iba a parecer a un observador específico en un estado específico de adaptación 26, 27, 28, 29. Hay muchos factores que pueden alterar la sensibilidad de un observador, pero la adaptación a menudo pueden compensar los aspectos importantes de estos cambios, por lo que las pérdidas de sensibilidad son menos visibles que podría predecirse sin asumir que el sistema se adapta. A la inversa, porquela adaptación ajusta la sensibilidad de acuerdo con el contexto actual estímulo, estos ajustes también son importantes para incorporar para predecir la cantidad de percepción podría variar cuando varía el medio ambiente.

El siguiente protocolo ilustra la técnica mediante la adaptación del contenido de color de las imágenes. La visión del color tiene la ventaja de que las etapas neurales iniciales de codificación de color están relativamente bien comprendidas, como son los patrones de adaptación 30. Los mecanismos y ajustes reales son complejas y variadas, pero las principales consecuencias de adaptación pueden ser capturados usando un simple y el modelo de dos etapas convencional (Figura 1a). En la primera etapa, las señales de color se codifican inicialmente por tres tipos de conos fotorreceptores que son máximamente sensibles a longitudes de onda corta, media o larga (S, M, y los conos L). En la segunda etapa, las señales de los diferentes conos se combinan dentro de las células post-receptoral para formar "color-oponente" channels que reciben entradas de antagonistas de los diferentes conos (y por lo tanto transmiten información "color"), y los canales de "no-oponente" que resumen juntos las entradas de cono (por lo tanto de codificación "brillo" información). La adaptación se produce en ambas etapas, y se ajusta a dos aspectos diferentes de la de color - la media (en los conos) y la varianza (en los canales de post-receptoral) 30, 31. El objetivo de las simulaciones es aplicar estos ajustes a los mecanismos de modelo y luego hacer que la imagen de sus salidas adaptadas.

El proceso de adaptación de imágenes consta de seis componentes principales. Estos son 1) la elección de las imágenes; 2) la elección del formato para los espectros de imágenes; 3) que define el cambio de color del medio ambiente; 4) que define el cambio en la sensibilidad del observador; 5) usando el programa para crear las imágenes adaptadas; y 6) el uso de las imágenes para evaluar las consecuencias de la adaptación. Tlo siguiente considera cada uno de estos pasos en detalle. El modelo y el mecanismo de respuestas básicas se ilustran en la Figura 1, mientras que las Figuras 2 - 5 muestran ejemplos de imágenes renderizadas con el modelo.

Protocol

NOTA: El protocolo ilustrado utiliza un programa que le permite a uno para seleccionar las imágenes y luego se adaptan mediante las opciones seleccionadas por los diferentes menús desplegables.

1. Seleccione la imagen para Adaptar

  1. Haga clic en la imagen y buscar el nombre de archivo de la imagen para trabajar con ellos. Observar la imagen original en el panel superior izquierdo.

2. Especifique el estímulo y el observador

  1. Haga clic en el menú "formato" para elegir la forma de representar la imagen y el observador.
  2. Haga clic en la opción "observador estándar" para modelar un observador estándar o promedio de adaptarse a una distribución de color específico. En este caso, utilizar ecuaciones estándar para convertir los valores RGB de la imagen para las sensibilidades de cono 32.
  3. Haga clic en la opción "observador individual" para modelar las sensibilidades espectrales de un observador específico. Debido a que estas sensibilidades son de longitud de onda dependiente, el programa converts los valores RGB de la imagen en los espectros de pistola mediante el uso de los espectros de emisión estándar o medido para la pantalla.
  4. Haga clic en la opción "espectros natural" para aproximar espectros real en el mundo. Esta opción convierte los valores RGB a los espectros, por ejemplo mediante el uso de funciones de base estándar 33 o espectros Gaussian 34 para aproximar el espectro correspondiente para el color de la imagen.

3. Seleccione la condición de Adaptación

  1. Adaptar o bien el mismo observador en diferentes entornos (por ejemplo, a los colores de un bosque vs. paisaje urbano), o diferentes observadores al mismo entorno (por ejemplo, una normal de color de versus observador deficiente).
    1. En el primer caso, utilizar los menús para seleccionar los entornos. En este último, utilizar los menús para definir la sensibilidad del observador.
  2. Para configurar los entornos, seleccione la opción "referencia" y envir "prueba"onments de los menús desplegables. Estos controlan los dos estados diferentes de adaptación mediante la carga de las respuestas mecanismo para diferentes entornos.
    1. Seleccione el menú de "referencia" para controlar el entorno de partida. Este es el entorno del sujeto se adapta para mientras se visualiza la imagen original.
      NOTA: Las opciones que se muestran se han calculado previamente para diferentes entornos. Estos se obtuvieron a partir de mediciones de las gamas de color para diferentes colecciones de imágenes. Por ejemplo, una aplicación examinó la forma en la percepción del color puede variar con los cambios de las estaciones, mediante el uso de imágenes calibradas tomadas desde el mismo lugar en diferentes momentos 27. En otro estudio, la exploración de cómo la adaptación puede afectar las percepciones de color en diferentes lugares, representó a los lugares mediante el muestreo de imágenes de diferentes categorías escena 29.
    2. Seleccione el entorno "definido por el usuario" para cargar los valores de un entorno personalizado. ObsERVE una ventana para buscar y seleccionar un archivo en particular. Para crear estos archivos de imágenes independientes, visualizar cada imagen para ser incluidos (como en el paso 1) y luego haga clic en el botón "Guardar imagen respuestas".
      NOTA: Se mostrará una ventana donde se puede crear o añadir a un archivo de Excel almacenar las respuestas a cada imagen. Para crear un nuevo archivo, introduzca el nombre del archivo, o busque un archivo existente. Para los archivos existentes, se añaden las respuestas a la imagen actual y las respuestas a todas las imágenes promedian automáticamente. Estos promedios son entrada para el entorno de referencia cuando se selecciona el archivo con la opción "definido por el usuario".
    3. Seleccione el menú "prueba" para acceder a una lista de entornos para la imagen de ser ajustada por. Seleccionar la opción "imagen actual", para usar las respuestas mecanismo para la imagen visualizada.
      NOTA: Esta opción supone que los sujetos están adaptando a los colores de la imagen que se está viendo actualmente. De lo contrario, seleccione una de tse calculan previamente ambientes o la opción "definido por el usuario" para cargar el entorno de prueba.

4. Seleccione la sensibilidad espectral del Observador

NOTA: Para los efectos de adaptación de los diferentes ambientes, el observador suele permanecer constante, y está previsto que el valor por defecto "observador estándar" con una sensibilidad espectral promedio. Hay 3 menús para establecer una sensibilidad espectral individual, que controlan la cantidad de pigmento de cribado o de las sensibilidades espectrales del observador.

  1. Haga clic en el menú "lente" para seleccionar la densidad del pigmento de la lente. Las diferentes opciones permiten a uno elegir la característica densidad de diferentes edades.
  2. Haga clic en el menú "macular" de manera similar a seleccionar la densidad del pigmento macular. Tenga en cuenta estas opciones en términos de la densidad máxima de pigmento.
  3. Haga clic en el menú "conos" para elegir entre los observadores sintricromacia rmal o diferentes tipos de tricromacia anómala.
    NOTA: En base a las opciones del programa define el cono sensibilidades espectrales del observador y un conjunto de 26 canales postreceptoral que linealmente se combinan las señales de cono a diferentes combinaciones de color y luminancia más o menos uniformemente de muestra.

5. Adaptar la Imagen

  1. Haga clic en el botón de "adaptar".
    NOTA: Este ejecuta el código para el cálculo de las respuestas de los conos y los mecanismos post-receptoral a cada píxel de la imagen. La respuesta se escala de manera que la respuesta media a la distribución del color es igual a la adaptación de las respuestas medias a la distribución de referencia, o por lo que el promedio de respuesta es el mismo para un observador o referencia individual. La escala es multiplicativo para simular von Kries adaptación 35. La nueva imagen se vuelve sumando las respuestas mecanismo y convertir de nuevo a los valores RGB para la visualización. Los detalles de la ALGorithm se dan en 26, 27, 28, 29.
  2. Observar tres nuevas imágenes en la pantalla. Estos son etiquetados como 1) "inadaptado" - como la imagen de prueba debería aparecer a alguien totalmente adaptado al entorno de referencia; 2) "adaptación cono" - esto muestra la imagen ajustada sólo para la adaptación en los receptores; y 3) "plena adaptación" - esto muestra la imagen completa predicha por la adaptación al cambio en el medio ambiente o el observador.
  3. Haga clic en el botón "Guardar imágenes" para guardar los tres imágenes calculadas. Observar una nueva ventana en la pantalla para buscar la carpeta y seleccione el nombre del archivo.

6. Evaluar las consecuencias de la adaptación

NOTA: La referencia original y adaptados imágenes simulan cómo la misma imagen debe aparecer en los dos estados de Adapta modeladoción, y esto es importante, sólo se diferencian debido al estado de adaptación. Las diferencias en las imágenes de este modo dar una idea de las consecuencias de la adaptación.

  1. Mirar visualmente las diferencias entre las imágenes.
    NOTA: La simple inspección de las imágenes puede ayudar a mostrar la cantidad de la visión del color puede variar cuando se vive en diferentes entornos de color, o la cantidad de adaptación puede compensar un cambio en la sensibilidad del observador.
  2. Cuantificar estos efectos de adaptación mediante el uso de análisis o mediciones de comportamiento con las imágenes para evaluar empíricamente las consecuencias de la adaptación 29.
    1. Medir la apariencia cambia de color. Por ejemplo, compare los colores en las dos imágenes para medir qué categorías de color o cambio de relevancia perceptiva a través de diferentes entornos u observadores. Por ejemplo, el uso de los análisis de los cambios en el color con la adaptación para calcular la cantidad de las tonalidades únicas (por ejemplo, puro amarillo o azul) podría en teoría vary debido a las variaciones en el entorno del color del observador 29.
    2. Preguntar cómo la adaptación afecta a la sensibilidad visual o rendimiento. Por ejemplo, utilizar las imágenes adaptados para comparar si la búsqueda visual para una novela de color es más rápida cuando los observadores están primero adaptados a los colores del fondo. Llevar a cabo el experimento mediante la superposición en las imágenes de una serie de objetivos y distractores de color diferente-que se adaptaron junto con las imágenes, con los tiempos de reacción medidos para localizar el objetivo extraño 29.

Representative Results

Las figuras de 2 - 4 ilustran las simulaciones de adaptación para los cambios en el observador o el medio ambiente. La Figura 2 compara la aparición predicho de Todavía de Cezanne con Manzanas para un observador más joven y de más edad que sólo se diferencian en la densidad del pigmento de la lente 28. La imagen original como se ve a través del ojo más joven (Figura 2a) aparece mucho más amarillo y dimmer través de la lente más densamente pigmentado (Figura 2b). (Los cambios correspondientes en las respuestas medias de color y cromáticas se ilustra en la Figura 1c). Sin embargo, la adaptación a la media de descuentos cambio espectral casi todo el cambio apariencia de color (Figura 2c). La respuesta color original está casi completamente recuperado por la adaptación en los conos, por lo que los cambios de contraste posteriores tienen un efecto despreciable.

nt" fo: keep-together.within-page = '1'> Figura 3 muestra los iris de Van Gogh filtraron para simular la apariencia del color en un observador deuteranómalos, cuyo fotopigmento M normal es desplazado en la sensibilidad de pico a dentro de 6 nm de la L fotopigmento 28 . Adaptación en los conos se ajusta de nuevo para la cromaticidad media estímulo, pero la L vs. M contrasta de los pigmentos anómalos son débiles (Figura 3b), la compresión de las respuestas del mecanismo a lo largo de este eje (Figura 1d). se ha sugerido que van Gogh podría haber exagerado el uso del color para compensar una deficiencia de color, ya que los colores que retrataba puede parecer más natural cuando se filtra por una deficiencia. Sin embargo, el contraste adaptación a los contrastes reducidas predice que la imagen debe de nuevo "aparecerá" muy similar a la tricromía normal y anómala (Figura 3c), incluso si este último tiene mucho más débil sensibilidad intrínseca a la L 36, 37.

La figura 4 muestra las simulaciones para un cambio ambiental, mediante la simulación de cómo la imagen borrosa retratado por la salida del sol de Monet (Marina) podría parecer a un observador totalmente adaptado a la neblina (o para un artista totalmente adaptado a su pintura). Antes de la adaptación de la imagen aparece turbia y en gran medida monocromático (Figura 4a), y correspondientemente las respuestas mecanismo para el contraste de la imagen son débiles (Figura 1e). Sin embargo, la adaptación a tanto el sesgo cromática media y el contraste cromático reducido (en este caso para que coincida con las respuestas mecanismo para escenas típicas al aire libre) se normaliza y se expande la gama de color percibido de manera que es comparable ala gama de percepciones de color experimentado por escena al aire libre bien iluminado (Figura 4b).

Finalmente, la Figura 5 ilustra los dos ejemplos indicados en la sección 6.2 del protocolo para usar el modelo para estudiar la visión del color. La figura 5a muestra el Munsell paleta bajo adaptación a un entorno exuberante o árido, mientras que la figura 5b representa los cambios en los estímulos de la paleta para estar presente puro rojo, verde, azul o amarillo, cuando el mismo observador se adapta a una gama de diferentes simulado ambientes. Este rango es comparable a las mediciones de la gama de estímulo real de estos colores focales medido empíricamente en la Encuesta Mundial de color 29. La figura 5c en lugar muestra cómo un conjunto de colores incrustados aparecen antes o después de la adaptación a un paisaje de Marte. Adaptar el conjunto de la imagen condujo a tiempos de reacción significativamente más cortos para encontrar lacolores únicos en una tarea de búsqueda visual 29.

Figura 1
Figura 1: el modelo. a) Las respuestas se modelan para los mecanismos con la sensibilidad de los conos (que se adaptan a la media estímulo) o combinaciones postreceptoral de los conos (que se adaptan a la varianza de estímulo. b) Cada mecanismo postreceptoral está sintonizado a una dirección diferente en el color- espacio de luminancia, como se indica por los vectores. Para las simulaciones se calculan 26 mecanismos, que muestra el espacio en intervalos de 45 ° (que se muestra para la L Vs. M y S Vs. plano LM, y la L Vs. M y plano de luminancia). c) Respuestas de los mecanismos en la equiluminant (L Vs. M y S Vs. LM plano) a las imágenes en la parte superior y el panel central de la figura 2. La media de las respuestas de contraste son shpropia a 22,5 ° intervalos a más plenamente retratan la distribución de la respuesta, aunque el modelo se basa en canales a intervalos de 45 °. En la imagen original (Figura 2a) la cromaticidad media se aproxima a gris (0,0) y los colores están sesgados a lo largo de un eje azulado amarillento. El aumento de la densidad de la lente del observador produce un gran cambio en la media hacia el amarillo (Figura 2b). d) Contraste respuestas para las imágenes mostradas en la figura 3a y 3b. Los contrastes de cono en el original (Figura 3a) se comprimen a lo largo de la L Vs. Eje M para el color deficiente observador (Figura 3b). e) Contraste respuestas para las imágenes mostradas en la Figura 4a y 4b. Las respuestas de bajo contraste para la imagen original (Figura 4a) se expanden adaptación siguiente, que coincide con las respuestas medias a la pintura a las respuestas FOdistribución de color ra típica de escenas naturales al aire libre (Figura 4B). Haga clic aquí para ver una versión más grande de esta figura.

Figura 2
Figura 2: La simulación de las consecuencias del envejecimiento de la lente. Todavía de Cezanne con las manzanas (a) procesado para simular una lente envejecimiento (b) y la adaptación a la lente (c). Cortesía de imagen digital del Programa de contenido abierto del Getty. Haga clic aquí para ver una versión más grande de esta figura.

figura 3
Figura 3: Simulating Anomalous Trichromacy. Iris de Van Gogh (a) simular el color reducido contrasta en un observador de color deficientes en (b), y la aparición predicho en observadores totalmente adaptados a la reducida contraste (c). Cortesía de imagen digital del Programa de contenido abierto del Getty. Haga clic aquí para ver una versión más grande de esta figura.

Figura 4
Figura 4: Simulación de adaptación a un entorno bajo contraste. Salida del sol de Monet (marina). La imagen original (a) se procesa para simular la apariencia de color para un observador adaptado a los contrastes bajos en la escena (b). Esto se hizo mediante el ajuste de la sensibilidad de la sensibilidad de cada mecanismo por loque el promedio de respuesta a los colores de las pinturas es igual al promedio de respuesta a los colores medidos para una colección de escenas naturales al aire libre. Cortesía de imagen digital del Programa de contenido abierto del Getty. Haga clic aquí para ver una versión más grande de esta figura.

Figura 5
Figura 5. Utilizando el modelo para examinar el rendimiento visual. a) La paleta de Munsell prestados en virtud de la adaptación a los colores de un entorno exuberante o árido. b) patatas fritas en la paleta que debe aparecer puro rojo, verde, azul o amarillo después de la adaptación a una variedad de diferentes entornos de color. símbolos de luz sombreada del diagrama La gama de selecciones promedio de fichas de las lenguas de la Encuesta Mundial de colores. c) imágenes de la superficie deMarte, ya que podría parecer a un observador adaptado a la Tierra oa Marte. parches superpuestos muestran ejemplos de los estímulos añadidos para la tarea de búsqueda visual, e incluyen un conjunto de distractores de color uniforme y un objetivo de diferente color. d) En el experimento se midieron los tiempos de búsqueda para localizar el objetivo extraño, y eran sustancialmente más corto dentro de las imágenes adaptadas-Mars adaptados. Haga clic aquí para ver una versión más grande de esta figura.

Discussion

El protocolo se ilustra demuestra cómo los efectos de la adaptación a un cambio en el medio ambiente o el observador pueden ser retratados en imágenes. La forma de esta representación toma dependerá de las suposiciones hechas para el modelo - por ejemplo, cómo está codificado el color, y cómo los mecanismos de codificación responden y se adaptan. Así, el paso más importante es decidir sobre el modelo de la visión del color - por ejemplo, cuáles son las propiedades de los canales son hipotéticos, y cómo se supone que adaptarse. Los otros pasos son importantes para establecer los parámetros adecuados para las propiedades de los dos entornos o dos sensibilidades de observadores, que se está adaptando el medio.

El modelo ilustrado es muy simple, y hay muchas maneras en las que es incompleta y podría ampliarse dependiendo de la aplicación. Por ejemplo, la información de color no se codifica independientemente de la forma, y ​​las simulaciones ilustradas no tienen en cuenta la estructura espacial delas imágenes o de los campos receptivos neuronales, o de interacciones conocidas a través de mecanismos tales como la normalización de contraste 38. Del mismo modo, todos los píxeles de las imágenes se les da la misma importancia, y por lo tanto las simulaciones no incorporan factores espaciales, tales como la forma en escenas se muestrean con los movimientos oculares. La adaptación en el modelo también se supone que representa sencilla escala multiplicativo. Esto es apropiado para algunas formas de adaptación cromática pero puede no describir correctamente los cambios de respuesta a los niveles post-receptoral. Del mismo modo, las funciones de respuesta de contraste en el modelo son lineales y por lo tanto no simulan las funciones de respuesta reales de las neuronas. Una limitación importante adicional es que las simulaciones ilustradas no incorporan ruido. Si este ruido se produce en o antes de los sitios de la adaptación, a continuación, la adaptación puede ajustar tanto la señal como el ruido y por lo tanto puede tener efectos muy diferentes en apariencia y rendimiento visual 39. Una manera desimular los efectos del ruido es introducir perturbaciones aleatorias en el estímulo 28. Sin embargo, esto no va a imitar lo que este ruido "se parece" a un observador.

Como sugieren los ejemplos ilustrados, las simulaciones pueden capturar muchas de las propiedades de la experiencia de color que no son evidentes cuando se considera solamente la sensibilidad espectral y el contraste del observador, y en función en particular para destacar la importancia de la adaptación en la normalización de la percepción del color y compensar la los límites de sensibilidad del observador. A este respecto, la técnica proporciona una serie de ventajas y aplicaciones para la visualización o predecir las percepciones visuales. Estos incluyen los siguientes:

Mejores simulaciones de la variante de la visión

Como se ha señalado, el filtrado de una imagen de una sensibilidad diferente revela lo que uno experimenta cuando la información de la imagen se altera, pero lo hace tan bien en la predicción de lo que es unaobservador en la que la sensibilidad experimentaría. A modo de ejemplo, un parche gris filtrada para simular la lente color amarillento de los ojos de un observador ve más amarilla mayores 9. Pero los observadores de edad avanzada que están acostumbrados a sus lentes de edad en lugar describen y, probablemente, literalmente, ver el estímulo tan gris 40. Como se muestra aquí, esto es una consecuencia natural de la adaptación en el sistema visual 28, y por lo tanto la incorporación de esta adaptación es importante para visualizar mejor las percepciones de un individuo.

La predicción de un mecanismo común Diferencias entre observadores y entre los entornos

La mayoría de las técnicas de simulación se centran en la predicción de los cambios en el observador. Sin embargo, la adaptación también es impulsado de forma rutinaria por los cambios en el mundo 18, 19. Los individuos sumergidos en diferentes entornos visuales (por ejemplo, urbana o rural, o ArIdentificación del Vs. exuberante) están expuestos a muy diferentes patrones de estimulación que puede conducir a muy diferentes estados de adaptación 41, 42. Por otra parte, estas diferencias se acentúan entre las personas que ocupan diferentes nichos en una sociedad cada vez más especializado y técnico (por ejemplo, un artista, radiólogo, reproductor de videojuegos, o un buceador). El aprendizaje y la experiencia perceptual se han estudiado ampliamente y dependen de muchos factores, 43, 44, 45. Pero uno de estos puede ser simple exposición de 46, 47. Por ejemplo, una cuenta del efecto "otra raza", en la que los observadores son mejores que distingue enfrenta con nuestra propia etnia, es porque están adaptados a las caras que suelen encontrar los 48, 49. Adaptación proporciona un coMMON métrica para evaluar el impacto de un cambio de sensibilidad vs. el cambio en la percepción de estímulos, y por lo tanto para predecir cómo dos observadores diferentes podrían experimentar el mismo mundo vs. colocando el mismo observador en dos mundos diferentes.

La evaluación de las consecuencias a largo plazo de Adaptación

En realidad la adaptación de los observadores y luego midiendo cómo su sensibilidad y cambio de percepción es una técnica psicofísica bien establecido y ampliamente investigado. Sin embargo, estas mediciones son típicamente restringidas a exposiciones a corto término minutos u horas de duración. La evidencia creciente sugiere que la adaptación también opera en escalas de tiempo mucho más largos que son mucho más difíciles de probar empíricamente 50, 51, 52, 53, 54. La simulación de la adaptación tiene la ventaja de ADAP empujandotación Unidos a sus límites teóricos a largo plazo y escalas de tiempo explorando así que no son prácticas experimentalmente. También permite probar las consecuencias de percepción de cambios graduales, como el envejecimiento o una enfermedad progresiva.

Evaluar los beneficios potenciales de Adaptación

Un problema relacionado es que mientras que muchas de las funciones se han propuesto para la adaptación, mejoras en el rendimiento a menudo no son evidentes en los estudios de adaptación a corto plazo, y esto puede ser en parte porque surgen estas mejoras solamente en escalas de tiempo más largos. Prueba de lo bien que los observadores pueden realizar diferentes tareas visuales con imágenes adaptados para simular estas escalas de tiempo proporciona un nuevo método para explorar los beneficios y costes de la adaptación 29 perceptivas.

Mecanismos de prueba de Visual Codificación y Adaptación

Las simulaciones pueden ayudar a visualizar y comparar ambos modelos diferentes de mí visualchanisms y diferentes modelos de cómo estos mecanismos ajustar su sensibilidad. Estas comparaciones pueden ayudar a revelar la importancia relativa de los diferentes aspectos de la codificación visual para el rendimiento visual y la percepción.

La adaptación a los observadores Imágenes

En la medida en que la adaptación nos ayuda a ver mejor, estas simulaciones proporcionan una herramienta potencialmente poderosa para el desarrollo de modelos de procesamiento de imágenes que se pueden resaltar mejor información para los observadores. Tales técnicas de mejora de la imagen están muy extendidas, pero la presente enfoque está diseñado para ajustar una imagen en formas en las que el cerebro real ajusta, y por lo tanto para simular las estrategias de codificación reales que el sistema visual evolucionado para explotar. Preprocesamiento de imágenes de esta manera en principio, podría eliminar la necesidad de observadores para aclimatarse visualmente a un nuevo entorno, por su lugar de ajustar las imágenes para que coincida con la adaptación establece que los observadores se encuentran actualmente en el 26,

Puede parecer poco realista sugerir que podía adaptación en la práctica de descuento casi totalmente un cambio de sensibilidad de nuestros preceptos, sin embargo, hay muchos ejemplos en los que las percepciones no se veía afectada por diferencias de sensibilidad dramáticos 55, y es una cuestión empírica forma completa la adaptación es para cualquier dado el caso - una que adaptan las imágenes también se podrían utilizar para hacer frente. En cualquier caso, si el objetivo es visualizar la experiencia perceptiva de un observador, entonces podría decirse que estas simulaciones vienen mucho más cerca de la caracterización de esa experiencia que las simulaciones tradicionales basadas únicamente en el filtrado de la imagen. Por otra parte, proporcionan una nueva herramienta para predecir y probar las consecuencias y las funciones de adaptación sensorial 29. Una vez más esta adaptación es ubicuo en el procesamiento sensorial, y modelos similares podría ser explotada para explorar el impacto de la adaptación en otros atributos visuales y otros senses.

Disclosures

Los autores no tienen nada que revelar.

Acknowledgments

Apoyo de los Institutos Nacionales de Salud (NIH) de subvención EY-10834.

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