Visualizando Adaptação Visual

Behavior
 

Summary

Este artigo descreve um novo método para simular e estudar a adaptação no 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

Muitas técnicas têm sido desenvolvidas para visualizar como uma imagem parece um indivíduo com uma sensibilidade visual diferente: por exemplo, por causa das diferenças ópticas ou idade, ou uma deficiência de cor ou doença. Este protocolo descreve uma técnica para a incorporação de adaptação sensorial nas simulações. O protocolo é ilustrado com o exemplo de visão de cor, mas é geralmente aplicável a qualquer forma de adaptação visual. O protocolo utiliza um modelo simples da visão humana de cor com base em hipóteses normalizadas e plausíveis sobre a cor da retina e mecanismos corticais codificação e como estes ajustar a sua sensibilidade para ambos a cor média e gama de cores no estímulo prevalecente. Os ganhos dos mecanismos estão adaptados de modo a que a sua resposta média sob um contexto é equacionado para um contexto diferente. As simulações ajudam a revelar os limites teóricos de adaptação e gerar "imagens adaptadas" que são perfeitamente combinados a um enviro específicanment ou observador. Eles também fornecem uma métrica comum para explorar os efeitos de adaptação em diferentes observadores ou ambientes diferentes. Caracterizar a percepção visual e desempenho com estas imagens fornece uma nova ferramenta para o estudo das funções e consequências da adaptação de longo prazo na visão ou outros sistemas sensoriais.

Introduction

O que o mundo poderia parecer para os outros, ou para nós mesmos como mudar? As respostas a estas perguntas são de fundamental importância para a compreensão da natureza e mecanismos de percepção e as conseqüências de ambas as variações normais e clínicas em codificação sensorial. Uma grande variedade de técnicas e abordagens foram desenvolvidas para simular como imagens pode parecer indivíduos com diferentes sensibilidades visuais. Por exemplo, estes incluem simulações das cores que podem ser discriminados por diferentes tipos de deficiências de cores 1, 2, 3, 4, as diferenças espaciais e cromáticos que podem ser resolvidos por crianças ou observadores mais velhos 5, 6, 7, 8, 9 , como as imagens aparecem na visão periférica -se class = "xref"> 10, e as conseqüências de erros ópticos ou doença 11, 12, 13, 14. Eles também têm sido aplicadas para visualizar as discriminações que são possíveis para outras espécies de 15, 16, 17. Tipicamente, tais simulações usar medições das perdas de sensibilidade em populações diferentes para filtrar uma imagem e, assim, reduzir ou eliminar a estrutura que eles têm dificuldade em ver. Por exemplo, as formas comuns de cegueira cor reflectir uma perda de um dos dois comprimentos de onda fotorreceptores sensíveis a médias ou longas, e imagens filtradas para remover os sinais aparecem tipicamente desprovida de "avermelhado-esverdeados" matiz 1. Da mesma forma, as crianças têm a acuidade mais pobres e, assim, as imagens processadas por sua sensibilidade espacial reduzida aparecem borradas . f "> 5 Estas técnicas proporcionam ilustrações inestimáveis de que uma pessoa pode ver que outro não pode No entanto, eles não -. e muitas vezes não têm a intenção de - retratar a experiência perceptiva real do observador, e em alguns casos podem deturpar a quantidade e os tipos de informações disponíveis para o observador.

Este artigo descreve uma nova técnica desenvolvida para simular diferenças na experiência visual que incorpora uma característica fundamental da codificação visuais - adaptação 18, 19. Todos os sistemas sensoriais e motoras ajustar continuamente ao contexto a que estão expostos. Um odor pungente em uma sala desaparece rapidamente, enquanto a visão acomoda à forma como brilhante ou escurecer o quarto é. É importante ressaltar que esses ajustes ocorrem por quase qualquer atributo estímulo, incluindo percepções "de alto nível", tais como as características do rosto de alguém de 20,class = "xref"> 21 ou a sua voz 22, 23, bem como calibrar os comandos motores feitos ao mover os olhos ou para chegar a um objeto 24, 25. Na verdade, a adaptação é provavelmente uma propriedade essencial de quase todo o processamento neural. Este artigo ilustra como incorporar esses efeitos de adaptação nas simulações da aparência das imagens, por, basicamente, "adaptando a imagem" para prever como parece a um observador específico em um estado específico de adaptação 26, 27, 28, 29. Muitos factores que podem alterar a sensibilidade de um observador, mas muitas vezes pode adaptação para compensar aspectos importantes destas alterações, de modo que as perdas de sensibilidade são menos evidentes do que seria previsto assumindo sem que o sistema se adapta. Inversamente, porqueadaptação ajusta a sensibilidade de acordo com o contexto de estímulo atual, esses ajustes também são importantes para incorporar para prever o quanto a percepção pode variar quando o ambiente varia.

O protocolo a seguir ilustra a técnica, adaptando o conteúdo da cor das imagens. Visão de cores tem a vantagem de que os estágios neurais iniciais de codificação de cores são relativamente bem compreendido, como são os padrões de adaptação 30. Os mecanismos e os ajustamentos reais são variadas e complexas, mas os principais consequências de adaptação podem ser capturadas usando um modelo de duas fases convencional (Figura 1a) e simples. Na primeira etapa, os sinais de cor são inicialmente codificada por três tipos de fotorreceptores cone que são maximamente sensível aos comprimentos de onda curto, médio ou longo (S, M, e cones L). Na segunda etapa, os sinais de diferentes cones são combinados dentro de células pós-receptoral para formar "cor-adversário" channels que recebem entradas de antagonistas das diferentes cones (e, assim, transmitir "cor" de informação), e canais de "não-oponente" que resumem as entradas em conjunto cone (assim codificação "brilho" de informação). Adaptação ocorre em ambas as fases, e ajusta-se para dois aspectos diferentes da cor - A média (nos cones) e a variância (em canais de pós-receptoral) 30, 31. O objetivo das simulações é aplicar esses ajustes aos mecanismos de modelo e, em seguida, processar a imagem de suas saídas adaptadas.

O processo de imagens adaptando envolve seis componentes primários. Estes são 1) a escolha das imagens; 2) escolher o formato para os espectros de imagem; 3) que define a alteração da cor do meio ambiente; 4) que define a alteração da sensibilidade do observador; 5) utilizando o programa para criar as imagens adaptados; e 6) usando as imagens para avaliar as consequências da adaptação. Tele seguinte considera cada uma dessas etapas em detalhes. Os modelo e do mecanismo de respostas básicas são ilustrados na Figura 1, enquanto as figuras 2 - 5 mostram exemplos de imagens processadas com o modelo.

Protocol

NOTA: O protocolo ilustrado usa um programa que permite selecionar imagens e depois adaptá-los usando as opções selecionadas por diferentes menus drop-down.

1. Selecione a imagem para se adaptar

  1. Clique na imagem e procure o nome do arquivo da imagem para trabalhar. Observe a imagem original no painel esquerdo superior.

2. Especifique o estímulo eo observador

  1. Clique no menu "format" para escolher a forma de representar a imagem eo observador.
  2. Clique na opção "observador padrão" para modelar um observador padrão ou média adaptação a uma distribuição de cor específica. Neste caso, usar as equações convencionais para converter os valores RGB da imagem para as sensibilidades de cone 32.
  3. Clique na opção "observador indivíduo" para modelar as sensibilidades espectrais de um observador específico. Porque estas sensibilidades são dependentes do comprimento de onda, o programa de convértices os valores RGB da imagem em espectros de arma, utilizando o espectro de emissão padrão ou medido para o visor.
  4. Clique na opção "espectros natural" para aproximar espectros reais no mundo. Esta opção converte os valores RGB para espectros de, por exemplo, utilizando funções de base padrão 33 ou espectros de Gauss 34 a aproximar-se do espectro correspondente para a cor da imagem.

3. Selecione a condição de Adaptação

  1. Adaptar quer mesmo observador a ambientes diferentes (por exemplo, para as cores de uma floresta vs. paisagem urbana), ou observadores diferentes para o mesmo ambiente (por exemplo, um normais vs. cor observador deficiente).
    1. No primeiro caso, use os menus para selecionar os ambientes. Neste último caso, usar os menus para definir a sensibilidade do observador.
  2. Para definir os ambientes, selecione a "referência" e envir "teste"onments dos menus suspensos. Elas controlam os dois estados diferentes de adaptação ao carregar as respostas mecanismo para ambientes diferentes.
    1. Escolha o menu "referência" para controlar o ambiente de partida. Este é o ambiente o assunto é adaptado para enquanto visualiza a imagem original.
      NOTA: As opções apresentadas foram pré-calculados para diferentes ambientes. Estes foram obtidos a partir de medições das gamas de cores para diferentes coleções de imagens. Por exemplo, um aplicativo analisou a forma como a percepção da cor pode variar de acordo com as mudanças nas estações, usando imagens calibradas colhidas no mesmo local em momentos diferentes 27. Outro estudo, explorando como a adaptação pode afetar percepções de cores em diferentes locais, representado os locais por amostragem imagens de diferentes categorias de cena 29.
    2. Selecione a opção "definido pelo usuário" ambiente para carregar os valores para um ambiente personalizado. ObsErve uma janela para procurar e selecionar um arquivo particular. Para criar esses arquivos para imagens independentes, exibir cada imagem a ser incluído (como no passo 1) e, em seguida, clique no botão "salvar respostas de imagem".
      NOTA: Isto irá mostrar uma janela onde se pode criar ou anexar a um arquivo excel armazenar as respostas para cada imagem. Para criar um novo arquivo, digite o nome do arquivo, ou procure um arquivo existente. Para arquivos existentes, são adicionadas as respostas à imagem atual e as respostas a todas as imagens em média automaticamente. Estas médias são de entrada para o ambiente de referência quando o arquivo com a opção "definido pelo usuário" é selecionado.
    3. Selecione o menu "teste" para acessar uma lista de ambientes para a imagem de ser ajustado para. Selecione a opção "imagem atual", para usar as respostas mecanismo para a imagem exibida.
      NOTA: Esta opção assume os temas estão se adaptando às cores na imagem que está sendo visualizado. Caso contrário, selecione uma das tele precalculated ambientes ou a "definido pelo utilizador" opção para carregar o ambiente de teste.

4. Selecione a sensibilidade espectral do Observer

NOTA: Para os efeitos de adaptação de ambientes diferentes, o observador geralmente permanecem constantes, e está definido para o padrão "observador padrão" com sensibilidade espectral média. Existem 3 menus para definir uma sensibilidade espectral individual, que controlam a quantidade de pigmento ou de rastreio as sensibilidades espectrais do observador.

  1. Clique no menu "lente" para selecionar a densidade do pigmento lente. As diferentes opções permitem escolher a característica densidade de diferentes idades.
  2. Clique no menu "macular" para semelhante selecionar a densidade do pigmento macular. Observar essas opções em termos de densidade de pico do pigmento.
  3. Clique no menu "cones" para escolher entre os observadores semtricromacia rmal ou diferentes tipos de tricromacia anômalo.
    NOTA: Com base nas escolhas do programa define o cone sensibilidades espectrais do observador e um conjunto de canais 26 que postreceptoral linearmente combinam os sinais de cone para combinações de cor e de luminância diferentes mais ou menos uniformemente amostra.

5. Adaptar a Imagem

  1. Clique no botão "adaptar".
    NOTA: Esta opção executa o código para calcular as respostas dos cones e dos mecanismos de pós-receptoral para cada pixel da imagem. A resposta é dimensionado de modo que a resposta média para adaptar a distribuição de cor é igual às respostas médias para a distribuição de referência, ou de modo que a resposta média é a mesma para um observador indivíduo ou de referência. A escala é multiplicativo para simular adaptação von Kries 35. A nova imagem é, então, tornado pela soma das respostas mecanismo de conversão e de volta aos valores RGB para exibição. Detalhes da algorithm são dadas em 26, 27, 28, 29.
  2. Observe três novas imagens na tela. Estes são rotulados como: 1) "não adaptadas" - como a imagem de teste deve aparecer a alguém totalmente adaptado ao ambiente de referência; 2) "adaptação cone" - esta mostra a imagem ajustada apenas para adaptação nos receptores; e 3) "plena adaptação" - este mostra a imagem prevista por completa adaptação à mudança no ambiente ou do observador.
  3. Clique no botão "salvar imagens" para salvar as três imagens calculados. Observar uma nova janela na tela para procurar a pasta e selecione o nome do arquivo.

6. avaliar as consequências da adaptação

NOTA: A referência original e adaptados imagens simular como a mesma imagem deve aparecer sob os dois estados de adapta modeladação, e mais importante, diferem apenas por causa do estado de adaptação. As diferenças nas imagens, assim, proporcionar uma visão sobre consequências da adaptação.

  1. Visualmente olhar para as diferenças entre as imagens.
    NOTA: simples inspeção das imagens pode ajudar a mostrar o quanto a visão de cores pode variar quando se vive em ambientes de cores diferentes, ou quanto a adaptação pode compensar uma mudança de sensibilidade no observador.
  2. Quantificar esses efeitos de adaptação por meio de análises ou medições comportamentais com as imagens para avaliar empiricamente as consequências da adaptação 29.
    1. Medir como aparência muda de cor. Por exemplo, compare as cores nas duas imagens para medir como as categorias de cor ou mudança saliência perceptual em diferentes ambientes ou observadores. Por exemplo, a utilização de análises as alterações de cor com adaptação para calcular o quanto as cores originais (por exemplo, puro amarelo ou azul) poderia teoricamente vary devido a variações no ambiente cor do observador 29.
    2. Pergunte como a adaptação afeta a sensibilidade visual ou desempenho. Por exemplo, usar as imagens adaptados para comparar se busca visual para uma cor nova é mais rápida quando os observadores estão adaptados primeiro às cores do fundo. Realizar o ensaio por sobreposição nas imagens um conjunto de alvos e distractors de diferentes cores que foram adaptados, juntamente com as imagens, com os tempos de reacção medidos para localizar o alvo estranho 29.

Representative Results

As Figuras 2-4 ilustram as simulações de adaptação para alterações no observador ou o ambiente. A Figura 2 compara a aparência previsto de vida ainda Cezanne com maçãs para um observador mais jovens e mais velhos que diferem apenas na densidade do pigmento lente 28. A imagem original como pode ser visto através do olho mais jovens (Figura 2a) aparece muito mais amarela e mais fraca através da lente mais densamente pigmentado (Figura 2b). (Os desvios correspondentes nas respostas de cor média e cromáticas é ilustrado na Figura 1c). No entanto, a adaptação para a média de descontos alteração espectral quase todas as variações aparência de cor (Figura 2c). A resposta cor original é quase completamente recuperado pela adaptação nos cones, de modo a que as mudanças de contraste subsequentes têm efeito negligenciável.

nt" FO: manter-together.within-page = '1'> A Figura 3 mostra Íris de van G filtrada para simular a aparência de cor num observador deuteranômalos, cuja fotopigmento M normal é deslocado no pico de sensibilidade para dentro de 6 nm do G fotopigmento 28 . Adaptação nos cones novamente ajusta para a cromaticidade significativo estímulo, mas o G vs. M contrasta a partir dos pigmentos anómalas são fracos (Figura 3b), comprimindo as respostas mecanismo ao longo deste eixo (Figura 1d). tem sido sugerido que van pode ter exagerado o uso da cor para compensar a deficiência de cor, uma vez que as cores que ele retratadas podem aparecer mais natural quando filtrada por uma deficiência. no entanto, o contraste adaptação aos contrastes reduzidos prevê que a imagem deve novamente "aparecer" muito semelhante ao tricromatas normal e anormal (figura 3c), mesmo se o último tem muito mais fraca sensibilidade intrínseca para o G 36, 37.

A Figura 4 mostra as simulações para uma mudança ambiental, através da simulação de como a imagem nebulosa retratada por Sunrise de Monet (Marine) pode parecer para um observador totalmente adaptado para a neblina (ou a um artista totalmente adaptado à sua pintura). Antes de adaptação a imagem aparece escuro e em grande parte monocromático (Figura 4a), e, correspondentemente, as respostas mecanismo para o contraste de imagem são fracos (Figura 1E). No entanto, a adaptação para ambos o viés cromática média e o reduzido contraste cromático (neste caso, para coincidir com as respostas mecanismo para cenas típicas ao ar livre) normaliza e expande a gama de cores percebidas de modo que o mesmo é comparável aoa gama de percepções cor experimentado por cena ao ar livre bem iluminado (Figura 4b).

Finalmente, a Figura 5 ilustra os dois exemplos notáveis no ponto 6.2 do protocolo para a utilização do modelo para estudar a visão da cor. A Figura 5a mostra a Munsell Paleta sob adaptação a um ambiente exuberante ou árido, enquanto a Figura 5b representa os deslocamentos nos estímulos paleta necessários para aparecer vermelho puro, verde, azul, ou amarelo, quando o mesmo observador está adaptada para uma gama de diferentes simulado ambientes. Esta gama é comparável às medições do intervalo estímulo real dessas cores focais medida empiricamente na Pesquisa de cores Mundial 29. Figura 5c mostra em vez como um conjunto de cores incorporados aparecer antes ou após a adaptação a uma paisagem marciana. Adaptar o conjunto para a imagem levou tempos de reação para significativamente mais curtos para encontrar ocores originais em uma tarefa de busca visual 29.

figura 1
Figura 1: O modelo. a) As respostas são modelados para mecanismos com as sensibilidades dos cones (que se adaptam ao estímulo significativo) ou combinações postreceptoral dos cones (que se adaptam ao estímulo variância. b) Cada mecanismo postreceptoral é sintonizado para uma direcção diferente no cor- espaço de luminância, como indicado pelos vectores. Para as simulações 26 mecanismos são calculados, o que amostra o espaço em intervalos de 45 ° (mostrado para o G vs. M e S Vs plano LM, e o L Vs M e plano de luminância). c) As respostas dos mecanismos na equiluminant (G vs. M e S Vs LM) plano para as imagens no topo e painel do meio da Figura 2. As respostas em contraste são shprópria em intervalos 22,5 ° para mais completamente descrever a distribuição resposta, embora o modelo baseia-se nos canais com intervalos de 45 °. Na imagem original (Figura 2a) a cromaticidade média é próxima do cinzento (0,0) e cores são inclinados ao longo de um eixo azulada-amarelado. O aumento da densidade da lente do observador produz uma grande mudança no significativo para amarelo (Figura 2b). d) Contraste respostas para as imagens mostradas na figura 3a e 3b. Os contrastes cone no original (Figura 3a) são comprimidas ao longo da L vs. Eixo M para a cor deficiente observador (Figura 3b). e) Contraste respostas para as imagens apresentadas na Figura 4a e 4b. As respostas de baixo contraste para a imagem original (Figura 4a) são expandidos seguinte adaptação, que coincide com as respostas médias para a pintura para as respostas fodistribuição de cor ra típico de cenas naturais ao ar livre (Figura 4B). Por favor clique aqui para ver uma versão maior desta figura.

Figura 2
Figura 2: simulando as consequências de envelhecimento da lente. Vida de Cézanne com maçãs (a) processado para simular uma lente envelhecimento (b) e adaptação à lente (c). Cortesia de imagem digital do Programa de Conteúdo Aberto da Getty. Por favor clique aqui para ver uma versão maior desta figura.

Figura 3
Figura 3: Simulating anómala tricromacia. Íris de van G (a) que simula a cor reduzida contrasta em um observador cor deficiente em (b), e o aparecimento previsto em observadores totalmente adaptado para o contraste reduzido (c). Cortesia de imagem digital do Programa de Conteúdo Aberto da Getty. Por favor clique aqui para ver uma versão maior desta figura.

Figura 4
Figura 4: Simulação de adaptação a um ambiente Baixo contraste. Nascer do sol de Monet (Marine). A imagem original (um) é processada para simular a aparência de cor para um observador adaptado para os contrastes baixos na cena (b). Isso foi feito através do ajuste da sensibilidade da sensibilidade de cada mecanismo de modoque a resposta média para as cores nas pinturas é igual ao médio de resposta às cores medidos para uma coleção de cenas ao ar livre naturais. Cortesia de imagem digital do Programa de Conteúdo Aberto da Getty. Por favor clique aqui para ver uma versão maior desta figura.

Figura 5
Figura 5. Usando o modelo para examinar o desempenho Visual. a) A paleta de Munsell prestados sob adaptação às cores de um ambiente exuberante ou árido. b) Fichas na paleta que deve aparecer puro vermelho, verde, azul ou amarelo depois de adaptação a uma variedade de ambientes de cores diferentes. símbolos de luz sombreada traçar a gama de seleções média de fichas das línguas do Inquérito cores Mundial. c) As imagens da superfície deMarte como eles podem aparecer para um observador adaptado para a Terra ou Marte. manchas sobrepostas mostram exemplos de estímulos adicionados para a tarefa de identificação visual, e incluem um conjunto de distractores uniformemente coloridas e um alvo de diferentes cores. d) No experimento os tempos de pesquisa foram medidos para localizar o alvo estranho, e eram substancialmente mais curto dentro das imagens Marte adaptadas adaptados. Por favor clique aqui para ver uma versão maior desta figura.

Discussion

O protocolo ilustrado demonstra como os efeitos de adaptação a uma mudança no ambiente ou o observador pode ser retratado em imagens. A forma este retrato leva dependerá das suposições feitas para o modelo - por exemplo, como a cor é codificada, e como os mecanismos de codificação de responder e se adaptar. Assim, o passo mais importante é decidir sobre o modelo de visão de cores - por exemplo, que as propriedades dos canais hipótese são, e como eles são assumidos para se adaptar. Os outros passos importantes são para definir os parâmetros apropriados para as propriedades dos dois ambientes ou duas sensibilidades observadores, que estão se adaptando entre.

O modelo ilustrado é muito simples, e há muitas maneiras em que é incompleto e pode ser expandida dependendo da aplicação. Por exemplo, a informação de cor não é codificado independentemente da forma, e as simulações ilustrados não têm em conta a estrutura espacial daas imagens ou de campos receptivos neurais, ou de interacções conhecidas através de mecanismos, tais como a normalização de contraste 38. Da mesma forma, todos os pixels nas imagens são dadas igual peso e, assim, as simulações não incorporam fatores espaciais, tais como a forma como as cenas são amostrados com movimentos oculares. Adaptação do modelo também é assumido para representar escala multiplicativa simples. Isto é apropriado para algumas formas de adaptação cromática, mas pode não descrever corretamente as alterações de resposta aos níveis pós-receptoral. Do mesmo modo, as funções de resposta de contraste no modelo são lineares e assim não simulam as funções de resposta real de neurónios. Outra limitação importante é que as simulações ilustrados não incorporam ruído. Se ocorrer esse ruído em ou antes aos locais de adaptação, então adaptação pode ajustar tanto sinal e ruído e, consequentemente, pode ter efeitos muito diferentes na aparência e desempenho visual 39. Uma maneira desimular os efeitos do ruído é introduzir perturbações aleatórias no estímulo 28. No entanto, isso não vai imitar o que este ruído "parece" para um observador.

Como sugerido pelos exemplos ilustrados, as simulações podem capturar muitas propriedades de experiência cor que não são evidentes quando se considera somente a sensibilidade espectral e contraste do observador, e em particular a função para destacar a importância da adaptação em normalizar percepção de cores e compensar a limites de sensibilidade do observador. A este respeito, a técnica proporciona um número de vantagens e aplicações para a visualização ou prevendo percepts visuais. Estes incluem o seguinte:

Melhores simulações de Variant Visão

Como se observa, filtrando uma imagem para uma sensibilidade diferente revela o que se experimenta quando a informação na imagem é alterada, mas faz menos bem em predizer o que umobservador com que a sensibilidade iria experimentar. Como exemplo, um patch cinza filtrada para simular a lente amarelecimento dos olhos de um observador mais velho parece yellower 9. Mas os observadores mais velhos que estão acostumados a suas lentes com idades vez descrever e provavelmente literalmente ver o estímulo como cinza 40. Como mostrado aqui, esta é uma conseqüência natural de adaptação no sistema visual 28, e incorporando, assim, esta adaptação é importante para uma melhor visualização de percepções de um indivíduo.

Um mecanismo comum Prevendo Diferenças entre observadores e entre os ambientes

A maioria das técnicas de simulação estão focados em prever mudanças no observador. No entanto, a adaptação é também dirigido rotineiramente por alterações no mundo 18, 19. Indivíduos imersos em diferentes ambientes visuais (por exemplo, urbanas Vs. rurais, ou ARVs. id exuberante) são expostos a diferentes padrões de estimulação que pode levar a diferentes estados de adaptação 41, 42. Além disso, essas diferenças são acentuadas entre os indivíduos que ocupam nichos diferentes em uma sociedade cada vez mais especializado e técnico (por exemplo, um artista, radiologista, jogador do jogo de vídeo, ou mergulhador). Aprendizagem e experiência perceptiva têm sido amplamente estudados e dependem de muitos fatores 43, 44, 45. Mas um deles pode ser simples exposição 46, 47. Por exemplo, uma conta do efeito "outra raça", em que os observadores são melhores em distinguir rostos com nossa própria etnia, é porque eles são adaptados para os rostos que comumente encontramos 48, 49. Adaptação fornece uma coMMON métrica para avaliar o impacto de uma mudança Vs. sensibilidade mudança estímulo da percepção e, assim, para prever como dois observadores diferentes podem experimentar o mesmo mundo Vs. colocando o mesmo observador em dois mundos diferentes.

Avaliar as consequências a longo prazo de adaptação

Na verdade adaptando observadores e, em seguida, medir a sua sensibilidade e mudança percepção é uma técnica psicofísica bem estabelecido e amplamente investigado. No entanto, estas medidas são tipicamente restringido a exposição de curto prazo de minutos ou horas duradouras. Evidências crescentes sugerem que a adaptação também opera em escalas de tempo muito mais longos que são muito mais difíceis de testar empiricamente 50, 51, 52, 53, 54. Simulando adaptação tem a vantagem de empurrar adaptação afirma aos seus limites teóricos de longo prazo e prazos explorando, assim, que não são práticos experimentalmente. Além disso, permite testar as consequências de percepção de alterações graduais, tais como envelhecimento ou uma doença progressiva.

Avaliar os benefícios potenciais de Adaptação

Um problema relacionado é que, enquanto muitas funções têm sido propostas para a adaptação, melhorias de desempenho muitas vezes não são evidentes em estudos de adaptação de curto prazo, e isso pode ser em parte porque essas melhorias surgem apenas em escalas de tempo mais longos. Testando o quão bem os observadores podem realizar diferentes tarefas visuais com imagens adaptadas para simular estes prazos proporciona um novo método para explorar os benefícios e os custos de adaptação 29 perceptivas.

Mecanismos de teste de Visual Codificação e Adaptação

As simulações podem ajudar a visualizar e comparar os dois modelos diferentes de mim visuaischanisms e diferentes modelos de como esses mecanismos de ajustar a sua sensibilidade. Tais comparações pode ajudar a revelar a importância relativa dos diferentes aspectos da codificação visuais para o desempenho visual e percepção.

Adaptação Imagens de observadores

Na medida em que a adaptação ajuda a ver melhor, tais simulações fornecer uma ferramenta potencialmente poderosa para o desenvolvimento de modelos de processamento de imagem que podem melhor realçar informações para os observadores. Tais técnicas de melhoramento de imagem são generalizadas, mas o presente abordagem é projetado para ajustar uma imagem de maneiras em que o cérebro real ajusta, e, portanto, para simular as estratégias de codificação reais que o sistema visual evoluiu para explorar. Pré-processamento de imagens, desta forma poderia, em princípio, eliminar a necessidade de observadores para aclimatar visualmente a um ambiente novo, por vez ajustar imagens para corresponder a adaptação afirma que os observadores estão atualmente em 26,

Pode parecer irrealista sugerir que poderia adaptação na prática de desconto quase totalmente uma mudança de sensibilidade de nossas percepções, ainda há muitos exemplos onde percepts fazer aparecer afetados por diferenças de sensibilidade dramáticos 55, e é uma questão empírica como completa a adaptação é para qualquer determinado caso - um que adaptou imagens também poderia ser usada para tratar. Em qualquer caso, se o objetivo é visualizar a experiência perceptual de um observador, então essas simulações sem dúvida vir muito mais perto de caracterizar essa experiência do que as simulações tradicionais baseadas apenas em filtrar a imagem. Além disso, eles proporcionam uma nova ferramenta para a previsão e testando as consequências e funções de adaptação sensorial 29. Mais uma vez esta adaptação é onipresente no processamento sensorial, e modelos semelhantes pode ser explorada para explorar o impacto da adaptação em outros atributos visuais e outros senses.

Disclosures

Os autores não têm nada a revelar.

Acknowledgments

Financiado pelo National Institutes of Health (NIH) conceder 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