Visualisere Visuel tilpasning

Behavior
 

Summary

I denne artikel beskrives en hidtil ukendt fremgangsmåde til simulering og undersøgelse tilpasning i det visuelle system.

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

Mange teknikker er blevet udviklet til at visualisere, hvordan et billede ser ud til at en person med en anden visuel følsomhed: for eksempel på grund af optiske eller aldersforskelle, eller en farve mangel eller sygdom. Denne protokol beskriver en teknik til inkorporering sensorisk tilpasning i simuleringerne. Protokollen er illustreret med eksemplet med farvesyn, men er generelt anvendelig til enhver form for visuel tilpasning. Protokollen anvender en simpel model af human farvesyn baseret på standard og plausible antagelser om retinal og kortikale mekanismer, der koder farve og hvordan disse justere deres følsomhed over for både den gennemsnitlige farve og vifte af farver i den fremherskende stimulus. Gevinsterne for de mekanismer tilpasses således, at deres gennemsnitlige respons under en kontekst sidestilles til en anden sammenhæng. Simuleringerne hjælpe afsløre de teoretiske grænser for tilpasning og generere "tilpassede billeder", der er optimalt til en specifik environment eller observatør. De giver også en fælles måleenhed for at udforske virkningerne af tilpasning inden for forskellige observatører eller forskellige miljøer. Karakterisering visuel perception og ydeevne med disse billeder tilvejebringer et nyt værktøj til at studere de funktioner og konsekvenserne af langsigtet tilpasning i syn eller andre sansesystemer.

Introduction

Hvad kan verden se ud til andre, eller til os selv som vi ændre? Svarene på disse spørgsmål er fundamentalt vigtigt for forståelsen af ​​naturen og mekanismer perception og konsekvenserne af både normale og kliniske variationer i sensorisk kodning. En bred vifte af teknikker og fremgangsmåder er blevet udviklet til at simulere, hvordan billeder kan synes at personer med forskellige visuelle følsomheder. For eksempel indbefatter disse simuleringer af de farver, der kan skelnes ved forskellige typer af farve mangler 1, 2, 3, 4, de rumlige og kromatiske forskelle, der kan løses ved spædbørn eller ældre observatører 5, 6, 7, 8, 9 , hvordan billeder vises i perifere syn op class = "xref"> 10, og konsekvenserne af optiske fejl eller sygdom 11, 12, 13, 14. De er også blevet anvendt til at visualisere den forskelsbehandling, der er muligt for andre arter 15, 16, 17. Typisk er sådanne simulationer bruge målinger af følsomhed tab i forskellige populationer til at filtrere et billede og dermed mindske eller fjerne konstruktionen, de har svært ved at se. For eksempel almindelige former for farveblindhed afspejler et tab af en af de to fotoreceptorer følsomme til mellemstore eller lange bølgelængder, og billeder filtreret for at fjerne deres signaler typisk forekommer blottet for "rødlig-grønlige" nuancer 1. Tilsvarende spædbørn har dårligere skarphed, og dermed billederne behandles til deres reducerede rumlige følsomhed vises sløret f. "> 5 Disse teknikker giver uvurderlige illustrationer af, hvad én person kan se, at en anden måske ikke Men de ikke gør -. og ofte er ikke beregnet til - skildre den faktiske perceptuelle oplevelse af observatøren, og i nogle tilfælde kan fordreje mængde og typer af oplysninger til rådighed for iagttageren.

Denne artikel beskriver en ny teknik er udviklet til simulering forskelle i visuel oplevelse, der inkorporerer en grundlæggende egenskab ved visuel kodning - tilpasning 18, 19. Alle sensoriske og motoriske systemer løbende tilpasse sig den kontekst, de er udsat for. En skarp lugt i et rum hurtigt svinder, mens vision plads til hvor lyst eller dæmpe rummet er. Vigtigt er, opstår disse justeringer for næsten enhver stimulus attribut, herunder "high-level" opfattelser såsom karakteristika for en persons ansigt 20,class = "xref"> 21 eller deres stemme 22, 23, samt kalibrering af motoriske kommandoer foretaget, når bevæge øjnene eller nå til en genstand 24, 25. Faktisk tilpasning er sandsynligvis en vigtig egenskab for næsten alle neurale behandling. Dette papir illustrerer, hvordan man kan indarbejde disse tilpasnings- effekter i simuleringer af udseendet af billeder, ved dybest set "tilpasse billedet" at forudsige, hvordan det ser ud til en bestemt observatør under en særlig tilstand af tilpasning 26, 27, 28, 29. Mange faktorer kan ændre følsomheden af ​​en observatør, men tilpasningen kan ofte kompensere for vigtige aspekter af disse ændringer, således at tabene følsomhed er mindre iøjnefaldende end det ville forudsiges uden at antage, at systemet tilpasser. Omvendt forditilpasning justerer følsomhed henhold til den aktuelle stimulus sammenhæng disse justeringer er også vigtigt at indarbejde til forudsigelse hvor meget opfattelse kan variere, når miljøet varierer.

Følgende protokol illustrerer teknikken ved at tilpasse indholdet af billederne farve. Farvesyn har den fordel, at de indledende neurale stadier af farvekoder er relativt godt forstået, ligesom de tilpasningsmønstre 30. De faktiske mekanismer og justeringer er komplekse og varierede, men de vigtigste konsekvenser af tilpasning kan indfanges under anvendelse af en enkel og traditionel totrins model (figur 1a). I det første trin, er farvesignaler oprindeligt kodet af tre typer keglefotoreceptorer der er maksimalt følsomme over for kort, mellemlang eller lange bølgelængder (S, M og L kræmmerhuse). I det andet trin, bliver signalerne fra forskellige kegler kombineres inden post-receptoral celler til dannelse "farve-modstander" channels der modtager antagonistiske input fra de forskellige kegler (og dermed formidle "farve" information), og "ikke-modstander" kanaler, der summerer sammen kegle indgange (således kodning "lysstyrke" information). Tilpasning forekommer i begge faser, og justerer til to forskellige aspekter af farve - den gennemsnitlige (i keglerne) og variansen (i post-receptoral kanaler) 30, 31. Målet med simuleringerne er at anvende disse justeringer modellen mekanismer og derefter gengive billedet fra deres tilpassede udgange.

Processen med at tilpasse billeder involverer seks primære komponenter. Disse er 1) at vælge de billeder; 2) at vælge formatet for billedet spektre; 3), der definerer ændringen i farve af miljøet; 4), der definerer ændringen i følsomhed observatør 5) at bruge programmet til at skabe de tilpassede billeder; og 6) ved hjælp af billederne for at vurdere konsekvenserne af tilpasningen. Than følgende betragter hvert af disse trin i detaljer. Den grundlæggende model og mekanisme responser er vist i figur 1, mens figur 2 - 5 viser eksempler på billeder behandlet med modellen.

Protocol

BEMÆRK: Protokollen illustrerede bruger et program, der gør det muligt at vælge billeder, og derefter tilpasse dem ved hjælp af optioner udvalgt af forskellige rullemenuer.

1. Vælg det billede til at tilpasse

  1. Klik på billedet og søg efter filnavnet på billedet for at arbejde med. Overhold det oprindelige billede i øverste venstre rude.

2. Angiv de Stimulus og Observer

  1. Klik på menuen "format" for at vælge, hvordan til at repræsentere billedet og iagttageren.
  2. Klik på "standard observatør" mulighed for at modellere en standard eller gennemsnitlig observatør tilpasning til en bestemt farve fordeling. I dette tilfælde skal bruge standard ligninger til at konvertere RGB-værdierne af billedet til kegle følsomheder 32.
  3. Klik på "individuel observatør" mulighed for at modellere de spektrale følsomhed for en bestemt observatør. Fordi disse følsomheder er bølgelængdeafhængig, programmet converts RGB-værdierne af billedet i pistolen spektre ved at bruge standard eller målte emissionsspektre til displayet.
  4. Klik på "naturlig spektre" mulighed for at tilnærme faktiske spektre i verden. Denne indstilling konverterer RGB-værdierne til spektre, for eksempel ved anvendelse af standard basisfunktioner 33 eller Gaussisk spektre 34 at tilnærme det tilsvarende spektrum for billedet farve.

3. Vælg Tilpasning Betingelse

  1. Tilpas enten den samme observatør til forskellige miljøer (fx til farverne på en skov vs landskab byområder), eller forskellige observatører til det samme miljø (f.eks, en normal vs. farve mangelfuld observatør).
    1. I det første tilfælde, bruge menuer til at vælge de miljøer. I sidstnævnte, bruge menuer til at definere følsomhed observatør.
  2. For at indstille miljøer, skal du vælge "reference" og "test" environments fra dropdown menuer. Disse styre de to forskellige tilstande af tilpasning ved at indlæse mekanismen responser til forskellige miljøer.
    1. Vælg "reference" i menuen til at styre start miljø. Dette er miljøet motivet er tilpasset til, mens du ser det oprindelige billede.
      BEMÆRK: De valg, der er vist er blevet forudberegnede til forskellige miljøer. Disse blev afledt fra målinger af farveskalaer for forskellige samlinger af billeder. For eksempel er en applikation undersøgt, hvordan farveopfattelse kan variere med ændringer i årstiderne, ved hjælp af kalibrerede billeder taget fra samme sted på forskellige tidspunkter 27. En anden undersøgelse, at undersøge, hvordan tilpasning kan påvirke farve percepter på tværs af forskellige steder, repræsenterede de steder ved prøveudtagning billeder af forskellige scene kategorier 29.
    2. Vælg "brugerdefineret" miljø for at indlæse værdierne for en brugerdefineret miljø. obsErve et vindue for at gennemse og vælge en bestemt fil. For at oprette disse filer til uafhængige billeder, få vist hvert billede, der skal indgå (som i trin 1), og klik derefter på "gem billede reaktioner" knappen.
      BEMÆRK: Dette vil vise et vindue, hvor man kan oprette eller tilføje til en Excel-fil lagring af svarene på hvert billede. For at oprette en ny fil, indtast filnavnet, eller søg efter en eksisterende fil. For eksisterende filer, er svarene på det aktuelle billede tilføjet og svarene på alle billeder automatisk gennemsnit. Disse gennemsnit er input til referencemiljø når filen med "brugerdefinerede" er valgt.
    3. Vælg menuen "test" for at få adgang til en liste over miljøer for billede, der skal korrigeres for. Vælg "aktuelle billede" for at anvende mekanismen svar til det viste billede.
      BEMÆRK: Denne mulighed forudsætter fagene er tilpasning til farverne i det billede, der i øjeblikket vises. Ellers skal du vælge en af ​​than forudberegnede miljøer eller "bruger defineret" mulighed for at indlæse testmiljøet.

4. Vælg spektrale følsomhed Observer

BEMÆRK: For tilpasning effekter af forskellige miljøer, iagttageren vil normalt være konstant, og er indstillet til standard "standard observatør" med gennemsnitlig spektral følsomhed. Der er 3 menuer til fastsættelse af en individuel spektral følsomhed, som kontrollerer mængden af ​​screeningen pigment eller de spektrale følsomhed for betragteren.

  1. Klik på menuen "linse" for at vælge den tæthed af linsen pigment. De forskellige muligheder tillader en at vælge tætheden er karakteristisk for forskellige aldre.
  2. Klik på "makulært" menu til tilsvarende vælge tætheden af ​​makulært pigment. Overhold disse muligheder i form af top tæthed af pigmentet.
  3. Klik på menuen "kegler" for at vælge mellem observatører udenrmal trichromacy eller forskellige typer af unormal trichromacy.
    BEMÆRK: Baseret på de valg programmet definerer keglen spektrale følsomhed for observatøren og et sæt af 26 postreceptoral kanaler, lineært kombinerer kegle signaler til omtrent ensartet prøve forskellige farver og luminans kombinationer.

5. Tilpas billede

  1. Klik på "tilpasse" knappen.
    BEMÆRK: Dette udfører koden til beregning af svarene fra de kegler og post-receptoral mekanismer til hver pixel i billedet. Svaret er skaleret således, at den gennemsnitlige reaktion på tilpasning farvefordeling lig de gennemsnitlige responser til referencen distribution, eller således at den gennemsnitlige respons er den samme for en person eller henvisning observatør. Den skalering er multiplikativ at simulere von Kries tilpasning 35. Det nye billede gøres derpå som summen af ​​mekanismen svarene og omdannelse tilbage til RGB-værdier til visning. Nærmere oplysninger om algorithm er givet i 26, 27, 28, 29.
  2. Overhold tre nye billeder på skærmen. Disse er mærket som 1) "utilpassede" - hvordan testen billedet skal vises til en person fuldt ud tilpasset til referencen miljø; 2) "kegle tilpasning" - det viser billedet kun justeres for tilpasning i receptorerne; og 3) "fuld tilpasning" - det viser billedet forudsagt af fuldstændig tilpasning til ændringen i miljøet eller betragteren.
  3. Klik på knappen "gemme billeder" for at gemme de tre beregnede-billeder. Overhold et nyt vindue på skærmen for at søge efter mappen og vælg filnavnet.

6. vurdere konsekvenserne af tilpasning

BEMÆRK: Den oprindelige reference og tilpassede billeder simulere, hvordan det samme billede skal vises under de to tilstande af modelleret Adaptation, og vigtigere, adskiller sig kun på grund af tilpasningen tilstand. Forskellene i billederne dermed give indsigt i konsekvenserne af tilpasningen.

  1. ser visuelt på forskellene mellem billederne.
    BEMÆRK: Enkel inspektion af billederne kan hjælpe vise, hvor meget farvesyn kan variere, når de bor i forskellige farver miljøer, eller hvor meget tilpasning kunne kompensere for en følsomhed ændring i observatør.
  2. Kvantificere disse tilpasning effekter ved hjælp af analyser eller adfærdsmæssige målinger med de billeder, der empirisk vurdere følgerne af tilpasningen 29.
    1. Mål, hvor farve udseende ændringer. For eksempel sammenligne farverne i de to billeder til at måle, hvordan farvekategorier eller perceptuelle prominens forskydning på tværs af forskellige miljøer eller observatører. For eksempel, brug analyser af ændringer i farve med tilpasning til at beregne, hvor meget de unikke nuancer (fx ren gul eller blå) kunne teoretisk vær grund af variationer i observatørens farve miljø 29.
    2. Spørg, hvordan tilpasningen påvirker visuel følsomhed eller ydelse. For eksempel, skal du bruge tilpassede billeder til at sammenligne, om visuel søgning efter en ny farve er hurtigere, når observatørerne først tilpasset farverne på baggrunden. Foretage forsøget ved at overlejre på billederne en matrix af mål og forskelligt farvede distraktorerne der blev tilpasset sammen med billederne, med reaktionstiderne målt for at lokalisere den ulige mål 29.

Representative Results

Figurerne 2 - 4 illustrerer tilpasning simuleringer for ændringer i observatøren eller miljøet. Figur 2 sammenligner forudsagt udseende Cezanne s Stilleben med Æbler til en yngre og ældre observatør, der adskiller sig kun i tætheden af linsen pigment 28. Det originale billede set gennem den yngre øje (figur 2a) synes meget mere gul og lysdæmper gennem mere tæt pigmenteret linse (figur 2b). (De tilsvarende skift i gennemsnit farve og kromatiske responser er vist i figur 1c.) Imidlertid tilpasning til de gennemsnitlige spektrale ændringer rabatter næsten alle farveudseendet ændring (figur 2c). Den oprindelige farve respons næsten fuldstændigt udvindes ved tilpasningen i keglerne, så efterfølgende kontrastmidler forandringer har ubetydelig virkning.

nt" fo: keep-together.within-side = '1'> Figur 3 viser van Goghs Iris filtreret for at simulere farve udseende på en deuteranomalous observatør, hvis normale M photopigment forskydes i peak følsomhed over for inden 6 nm af L photopigment 28 . Tilpasning i keglerne igen justerer for middelværdien stimulus kromaticitet, men L vs. M kontraster fra de unormale pigmenter er svag (figur 3b), det er blevet foreslået at komprimere mekanismen responser langs denne akse (figur 1d). van Gogh måske har overdrevet brugen af ​​farver for at kompensere for en farve-mangel, da farverne han skildrede kan forekomme mere naturligt, når filtreret for en mangel. Men kontrast tilpasning til de reducerede kontraster forudsiger, at billedet igen skal "vises" meget lig den normal og unormal trichromat (figur 3c), selvom sidstnævnte har meget svagere iboende følsomhed til L 36, 37.

Figur 4 viser simuleringer for en miljøændringer, ved at simulere, hvordan diset billede portrætteret af Monets Sunrise (Marine) kan synes at en observatør fuldt ud tilpasset til uklarhed (eller til en kunstner helt tilpasset til hans maleri). Før tilpasning billedet vises skumle og stort set monokrome (figur 4a), og tilsvarende mekanisme reaktioner på billedets kontrast er svag (figur 1e). Men tilpasning til både den gennemsnitlige kromatiske bias og den reducerede kromatiske kontrast (i dette tilfælde at matche mekanismen responser for typiske udendørs motiver) normaliserer og udvider den opfattede farveskala, så det er sammenligneligt medområdet af farve percepter oplevet veloplyste udendørs scene (figur 4b).

Endelig Figur 5 illustrerer de to eksempler konstateret under 6.2 i protokollen for anvendelse af modellen til at studere farvesyn. Figur 5a viser Munsell Palette under tilpasning til en frodig eller tørt miljø, mens figur 5b afbilder ændringerne i paletten stimuli er nødvendige for at blive vist ren rød, grøn, blå eller gul, når den samme observatør er tilpasset til en række forskellige simulerede miljøer. Denne serie kan sammenlignes med målinger af den faktiske stimulus række af disse fokale farver som målt empirisk i World Color Survey. 29 Figur 5c viser i stedet, hvordan et sæt af indlejrede farver vises før eller efter tilpasning til Mars landskab. Tilpasning af sættet for billedet førte til betydeligt kortere reaktionstider til at finde denunikke farver i en visuel søgning opgave 29.

figur 1
Figur 1: Model. a) Svar modelleres for mekanismer med følsomheden af de kegler (som tilpasser på stimulus middelværdi) eller postreceptoral kombinationer af keglerne (som tilpasser på stimulus varians. b) Hver postreceptoral mekanisme er afstemt til en anden retning i farve- luminans rum, som angivet ved vektorer. For simuleringerne 26 mekanismer beregnes, hvilken prøve rummet i 45 graders intervaller (vist for L Vs. M og S vs LM plan, og L Vs. M og luminans plan). c) Reaktioner af mekanismerne i equiluminant (L Vs. M og S vs LM) plan til billederne i toppen og midterste panel i figur 2. Betyde kontrast responser er sheget på 22,5 ° intervaller til mere fuldstændigt skildre responsen fordeling, selvom modellen er baseret på kanaler på 45 ° intervaller. I det oprindelige billede (figur 2a) den gennemsnitlige kromaticitet er tæt til grå (0,0) og farver er forspændt langs en blålig-gullig akse. Øge linsetæthed observatørens dannes et stort skift i den gennemsnitlige mod gul (figur 2b). d) Contrast svar til de viste billeder i figur 3a & 3b. Keglen kontraster i det oprindelige (figur 3a) er komprimeret langs L Vs. M akse for farven deficiente observatør (figur 3b). e) Contrast svar til de viste billeder i figur 4a og 4b. De lave kontrast responser for det originale billede (figur 4a) ekspanderes følgende tilpasning, som modsvarer de gennemsnitlige reaktioner på maleriet til svarene fora farvefordeling typisk for udendørs naturlige scener (figur 4B). Klik her for at se en større version af dette tal.

figur 2
Figur 2: Simulering konsekvenserne af Lens Aging. Cezannes Stilleben med æbler (a) forarbejdes til at simulere en aldrende linse (b) og tilpasning til linsen (c). Digitalt billede høflighed af Getty Open Content-programmet. Klik her for at se en større version af dette tal.

figur 3
Figur 3: Simulating Anomalous Trichromacy. van Goghs Iris (a) simulerer den reducerede farve kontraster i en farve-deficient observatør (b), og den forudsagte udseende i observatører fuldt tilpasset den reducerede kontrast (c). Digitalt billede høflighed af Getty Open Content-programmet. Klik her for at se en større version af dette tal.

figur 4
Figur 4 Simulering Tilpasning til en miljø med lav kontrast. Monets Sunrise (Marine). Det originale billede (a) behandles for at simulere farven udseende for en iagttager tilpasset de lave kontraster i scenen (b). Dette blev gjort ved at justere følsomheden af ​​hver mekanisme følsomhed såat den gennemsnitlige respons på farverne i malerierne er lig med den gennemsnitlige respons på farver målt for en samling af naturlige udendørs scener. Digitalt billede høflighed af Getty Open Content-programmet. Klik her for at se en større version af dette tal.

figur 5
Figur 5. Brug af model til at undersøge Visual Performance. a) Munsell paletten gengives under tilpasning til farverne på en frodig eller tørre miljø. b) Chips i paletten, der skal vises ren rød, grøn, blå eller gul efter tilpasning til en række forskellige farve miljøer. Light-skraverede symboler plotte vifte af gennemsnitlige chip markeringer fra sprogene i verden Color Survey. c) Billeder af overfladen afMars, som de kan synes at en observatør tilpasset til Jorden eller til Mars. Oven pletter viser eksempler på de stimuli tilføjet til visuel søgning opgaven, og omfatter et sæt af ensartet farvede distraktorer og en anderledes farvede mål. d) I eksperimentet søgetider blev målt til at lokalisere den ulige mål, og var væsentligt kortere inden de tilpassede Mars-tilpassede billeder. Klik her for at se en større version af dette tal.

Discussion

Den illustrerede protokol viser hvordan effekten af ​​tilpasning til en ændring i miljøet eller observatøren kan skildres i billeder. Formen denne skildring tager, vil afhænge af de antagelser, for modellen - for eksempel hvor farve er kodet, og hvordan de kodende mekanismer reagere og tilpasse sig. Således det vigtigste skridt er at beslutte om modellen for farvesyn - for eksempel hvad egenskaberne af hypoteserne kanaler er, og hvordan de antages at tilpasse sig. De andre vigtige skridt er at indstille passende parametre til egenskaberne af de to miljøer eller to observatør følsomheder, at du er tilpasning mellem.

Modellen illustreret er meget enkel, og der er mange måder, hvor det er ufuldstændigt og kunne udvides afhængigt af anvendelsen. For eksempel er farveinformation ikke kodet uafhængigt af form og de illustrerede simuleringer tager ikke hensyn til den rumlige struktur afbillederne eller af neurale receptive felter, eller af kendte interaktioner på tværs mekanismer såsom kontrast normalisering 38. Ligeledes er alle pixels i billederne får samme vægt, og dermed simuleringerne ikke indregnet rumlige faktorer såsom hvordan scener samples med øjenbevægelser. Tilpasning i modellen antages også at repræsentere simpel multiplikativ skalering. Dette er hensigtsmæssigt for nogle former for kromatisk tilpasning, men muligvis ikke korrekt beskrive responskriterierne ændringer på post-receptoral niveauer. Tilsvarende kontrast responsfunktioner i modellen er lineære og således ikke simulere de faktiske responsfunktioner af neuroner. En yderligere vigtig begrænsning er, at de illustrerede simuleringer ikke opgør støj. Hvis denne støj forekommer ved eller før til stederne for tilpasningen, så tilpasning kan justere både signal og støj og følgelig kan have meget forskellige virkninger på udseende og visuel ydelse 39. En måde atsimulere virkningerne af støj, er at introducere tilfældige forstyrrelser i stimulus 28. Dette vil dog ikke efterligne, hvad denne støj "ligner" til en observatør.

Som foreslået af de illustrerede eksempler, kan simuleringerne fange mange egenskaber af farve erfaring, som ikke er indlysende, når man overvejer kun den spektrale og kontrast følsomhed observatøren, særlig funktion til at understrege betydningen af ​​tilpasning i normaliseringen af ​​farveopfattelse og kompensere for den følsomhed grænser for observatøren. I denne henseende teknikken tilvejebringer et antal fordele og anvendelser til visualisering eller forudsige visuelle percepter. Disse omfatter følgende:

Bedre Simuleringer af Variant Vision

Som nævnt, filtrering et billede til en anden følsomhed afslører, hvad man oplever, når oplysningerne i billedet ændres, men gør mindre godt til at forudsige, hvad enobservatør med at følsomheden ville opleve. Som et eksempel, en grå plaster filtreret for at simulere den gulfarvning linse en ældre observatørens øje ser mere gul 9. Men ældre observatører, der er vant til deres gamle linser i stedet beskrive og sandsynligvis bogstaveligt talt se stimulus som grå 40. Som vist her, det er en naturlig konsekvens af tilpasningen i det visuelle system 28, og dermed indarbejde denne tilpasning er vigtig for bedre at visualisere den enkeltes perceptioner.

En fælles mekanisme Forudsigelse Forskelle mellem observatører og fra et miljø

De fleste simulationsteknikker er fokuseret på at forudsige ændringer i observatør. Endnu tilpasning er også rutinemæssigt drevet af ændringer i verden 18, 19. Enkeltpersoner nedsænket i forskellige visuelle miljøer (fx bymæssige Vs. landområder, eller arid Vs. frodige) er udsat for meget forskellige mønstre af stimulation, som kan føre til meget forskellige tilstande af tilpasning 41, 42. Desuden er disse forskelle fremhæves blandt individer besætter forskellige nicher i en stadig mere specialiseret og teknisk samfund (fx en kunstner, radiolog, video game spiller, eller dykker). Perceptuel læring og ekspertise er blevet bredt undersøgt og afhænger af mange faktorer 43, 44, 45. Men en af disse kan være enkel eksponering 46, 47. For eksempel er en hensyntagen til de "andre løb" effekt, hvor observatører er bedre til at skelne ansigter med vores egen etnicitet, er fordi de er tilpasset til de ansigter, de almindeligvis støder 48, 49. Tilpasning er en common metriske for at vurdere virkningen af en følsomhed ændring Vs. stimulus ændre på opfattelsen, og dermed til at forudsige, hvordan to forskellige observatører kan opleve den samme verden Vs. placere den samme observatør i to forskellige verdener.

Evaluering af Langsigtede Konsekvenser af tilpasning

Faktisk tilpasse observatører og derefter måle, hvordan deres følsomhed og opfattelse ændring er en veletableret og grundigt undersøgt psykofysiske teknik. Imidlertid er disse målinger typisk begrænset til kortsigtede eksponeringer varige minutter eller timer. Stigende tegn på, at tilpasningen også opererer over meget længere tidsskalaer der er langt vanskeligere at teste empirisk 50, 51, 52, 53, 54. Simulering tilpasning har den fordel at skubbe ADAPførelse hedder til deres teoretiske langsigtede grænser og dermed udforske tidsfrister, der ikke er praktisk eksperimentelt. Det giver også mulighed for at teste perceptuelle konsekvenser af gradvise ændringer såsom aldring eller en fremadskridende sygdom.

Evaluering af potentielle fordele ved tilpasning

Et beslægtet problem er, at mens mange funktioner er blevet foreslået for tilpasning, forbedringer af ydeevnen er ofte ikke indlysende i studier af kortsigtet tilpasning, og dette kan til dels være, fordi disse forbedringer opstår kun over længere tidshorisonter. Test hvor godt observatørerne kan udføre forskellige visuelle opgaver med billeder, der er tilpasset til at simulere disse tidsfrister giver en ny metode til at udforske de perceptuelle fordele og omkostninger ved tilpasning 29.

Test Mekanismer i Visual Coding og tilpasning

Simuleringerne kan hjælpe med at visualisere og sammenligne de to forskellige modeller af visuel migchanisms og forskellige modeller for, hvordan disse mekanismer justere deres følsomhed. Sådanne sammenligninger kan hjælpe afsløre den relative betydning af forskellige aspekter af visuel kodning for visuel ydeevne og opfattelse.

Tilpasning af billeder til observatører

I det omfang, at tilpasningen hjælper en til at se bedre, sådanne simulationer giver et potentielt magtfuldt værktøj til at udvikle modeller for billedbehandling, der bedre kan fremhæve oplysninger for observatører. Sådanne billedforbedring teknikker er udbredt, men den foreliggende fremgangsmåde er beregnet til justering af et billede på måder, hvorpå selve hjernen justerer, og således at simulere den faktiske kodende strategier, det visuelle system udviklet til at udnytte. Forbehandling af billeder på denne måde kunne i princippet fjerne behovet for observatører til visuelt akklimatisere sig til et hidtil ukendt miljø, ved i stedet at justere for billeder, der svarer til tilpasning, at observatører er i øjeblikket i 26,

Det kan synes urealistisk at foreslå, at kunne tilpasning i praksis rabat næsten fuldstændigt en følsomhed ændring fra vores perceptioner, men der er mange eksempler på, at perceptioner gør synes upåvirket af dramatiske følsomhed forskelle 55, og det er et empirisk spørgsmål, hvor komplet tilpasning er for nogen given sag - en, der er tilpasset billeder kan også bruges til at tage fat på. Under alle omstændigheder, hvis målet er at visualisere den perceptuelle oplevelse af en observatør, da disse simuleringer velsagtens kommer meget tættere på at karakterisere den oplevelse end traditionelle simuleringer baseret udelukkende på filtrering af billedet. Desuden giver de et hidtil ukendt redskab til at forudsige og afprøve konsekvenserne og funktioner sensorisk tilpasning 29. Igen denne tilpasning er allestedsnærværende i sensorisk forarbejdning, og lignende modeller kunne udnyttes til at undersøge virkningen af ​​tilpasningen på andre visuelle attributter og andre senses.

Disclosures

Forfatterne har intet at afsløre.

Acknowledgments

Støttet af National Institutes of Health (NIH) tilskud EY-10.834.

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