1766398492
2025-12-22 10:04:00
Представьте, что вы смотрите на яблоню, прогуливаясь по фруктовому саду: когда вы меняете перспективу и расстояние, размер яблока, которое вы планируете сорвать, меняется на сетчатке глаза, но вы по-прежнему воспринимаете яблоко как имеющее постоянный реальный размер. Как наш мозг извлекает информацию о реальных размерах объектов во время распознавания объектов, чтобы мы могли понять сложный мир? Поведенческие исследования показали, что воспринимаемый размер реального мира представлен как физическое свойство объекта, выявляя эффекты прайминга одинакового размера (Сетти и др., 2009 г.), струп-эффекты знакомого размера (Конкле и Олива, 2012a; Лонг и Конкле, 2017 г.) и канонические визуальные эффекты размера (Чен и др., 2022 г.; Конкле и Олива, 2011 г.). Исследования нейровизуализации человека также обнаружили доказательства представления размеров объектов в реальном мире (Хуанг и др., 2022 г.; Халиг-Разави и др., 2018 г.; Конкле и Карамацца, 2013 г.; Конкле и Олива, 2012b.; Луо и др., 2023 г.; Квек и др., 2023 г.; Ван и др., 2022a). Эти результаты показывают, что реальный размер является фундаментальным измерением представления объектов.
Конечно, в меньшинстве исследований фМРТ предпринимались попытки использовать естественные изображения, а также проводить более детальные измерения размеров, чтобы более точно изучить кодирование реального размера объекта в различных областях мозга (Луо и др., 2023 г.; Трояни и др., 2014 г.). Тем не менее, ни одно исследование еще не смогло полностью преодолеть все проблемы и раскрыть четкие сроки обработки размера сетчатки объекта, реального размера и реальной глубины зрительного восприятия человека.
В текущем исследовании мы преодолеваем эти проблемы, комбинируя записи ЭЭГ человека, натуралистические изображения стимулов, искусственные нейронные сети и подходы компьютерного моделирования, включая анализ репрезентативного сходства (RSA) и частичный корреляционный анализ, чтобы различать нейронные представления реального размера объекта, размера сетчатки и реальной глубины. Мы применили наш интегрированный вычислительный подход к открытому набору данных ЭЭГ THINGS EEG2 (Гиффорд и др., 2022 г.). Во-первых, стимулы визуальных изображений, используемые в этом наборе данных, более натуралистичны и включают объекты, которые различаются по реальному размеру, глубине и размеру сетчатки. Это позволяет нам использовать мультимодельный анализ репрезентативного сходства для исследования относительно несмешанных представлений о реальном размере объекта, частично выделяя и одновременно исследуя эти сбивающие с толку особенности. Во-вторых, мы можем исследовать нейронную динамику обработки свойств объекта в более экологическом контексте, основываясь на естественных изображениях при распознавании объектов человеком. В-третьих, вместо того, чтобы классифицировать размер объекта по дискретным уровням, мы применили более непрерывную меру, основанную на подробных поведенческих измерениях из онлайн-задачи по оценке размера, что позволило нам более точно расшифровать представление размера объекта в мозгу.
Сначала мы сосредоточимся на раскрытии нейронной динамики статистически изолированных представлений размеров реального мира. Временное разрешение ЭЭГ дает нам возможность исследовать репрезентативный временной ход обработки визуальных объектов, задаваясь вопросом, предшествует ли обработка реального размера воспринимаемого объекта или следует за обработкой воспринимаемой глубины, если эти два свойства фактически обрабатываются независимо.
Затем мы попытаемся глубже изучить основные механизмы того, как человеческий мозг обрабатывает размер и глубину объектов в естественных изображениях, путем интеграции искусственных нейронных сетей (ИНС). В области когнитивно-вычислительной нейробиологии ИНС предлагают дополнительный инструмент для изучения визуального распознавания объектов, и все большее число исследований подтверждают, что ИНС демонстрируют представления, аналогичные зрительным системам человека.Цичи и др., 2016 г.; Гючлю и ван Гервен, 2015 г.; Яминс и др., 2014 г.; Яминс и ДиКарло, 2016 г.). Действительно, недавнее исследование показало, что ИНС также представляют собой реальный размер (Хуанг и др., 2022 г.); однако использование ими набора данных изображений фиксированного размера сетчатки с теми же обрезанными объектами, как описано выше, также затрудняет выяснение того, отражают ли результаты реальный размер и/или глубину. Кроме того, некоторые недавние работы показывают, что искусственные нейронные сети, включающие семантическое внедрение и мультимодальные нейронные компоненты, могут более точно отражать зрительные представления человека в зрительных областях и даже в гиппокампе по сравнению с сетями, предназначенными только для зрения.Чокси и др., 2022а; Чокси и др., 2022б.; Конвелл и др., 2022 г.; Дериг и др., 2022 г.; Йозвик и др., 2023 г.; Ван и др., 2022b). Учитывая, что восприятие размера реального мира может включать как восходящие визуальные, так и нисходящие семантические знания о знакомых объектах, эти модели предлагают еще одну новую возможность исследовать этот вопрос. Используя как визуальные, так и визуально-семантические модели, а также различные уровни в этих моделях, ИНС предоставляют нам подход для извлечения различных функций изображения, визуальной информации низкого уровня из ранних слоев и информации более высокого уровня, включая как визуальные, так и семантические функции из поздних слоев.
Интегрированный вычислительный подход путем кросс-модальных репрезентативных сравнений, который мы используем в текущем исследовании, позволяет нам сравнить, как представления воспринимаемого размера и глубины реального мира возникают как в человеческом мозге, так и в искусственных нейронных сетях. Раскрытие внутренних представлений о размерах и глубинах объектов как в человеческом мозге, так и в ИНС позволяет нам исследовать, как различные пространственные свойства — размер сетчатки, реальная глубина и реальный размер — кодируются в разных системах, а также раскрыть репрезентативные механизмы и временную динамику, благодаря которым размер реального мира проявляется как потенциально более высокий уровень, семантически обоснованный признак.
#Человеческая #ЭЭГ #искусственные #нейронные #сети #раскрывают #распутанные #представления #временные #рамки #реального #размера #глубины #объекта #на #естественных #изображениях
Продолжение темы
