×
乔纳森·瓦彻;安德鲁·艾萨克·梅索尔;劳伦特·佩里内。;加布里埃尔·佩雷

使用动态随机纹理的运动感知贝叶斯建模。 （英语） Zbl 1471.91420号

神经计算。 30，第12号，3355-3392（2018）。
概述：解释视觉中的心理物理偏见的一种常见做法是将其视为依赖于与生成模型相关的最佳推理的动态过程的结果。这里提出的研究详细描述了这种生成模型的完整公式，该模型旨在通过动态纹理模型探索视觉运动感知。它是通过一组受生物合理性约束的公理步骤推导出来的。我们通过详细介绍该纹理模型的三个等效公式来扩展先前的贡献。首先，通过扭曲图案的随机聚集来构造复合动态纹理，可以将其视为三维高斯场。其次，这些纹理被转换为随机偏微分方程（sPDE）的解。这一关键步骤可以使用时间离散化的自回归过程实现实时实时纹理合成。它还允许推导局部运动能量模型，该模型对应于概率密度的对数似然。对数似然性对于贝叶斯推理框架的构建至关重要。我们使用动态纹理模型，通过刺激的空间频率内容的缩放式变化，对人类的速度感知进行心理物理探测。人类数据重复了先前的发现，即感知速度受到空间频率增量的正偏差。贝叶斯观测器将以真实速度为中心的高斯似然和与空间频率相关的宽度与“低速先验”相结合，成功地解释了感知偏差。更准确地说，这种偏差是由于观察者的似然宽度随着空间频率的增加而减小，该似然宽度是根据实验估计的。这种趋势与动态纹理似然宽度的趋势相一致。

MSC公司：

91E30型 心理物理学和心理生理学；感知
60甲15 随机偏微分方程（随机分析方面）
2015年1月62日 贝叶斯推断

关键词：

视觉运动知觉;三维高斯场;随机偏微分方程;贝叶斯推断
PDF格式BibTeX公司 XML格式引用
\textit{J.Vacher}等人，《神经计算》。30，第12号，3355--3392（2018；Zbl 1471.91420）
全文： 内政部 arXiv公司

参考文献：

[1] Abraham，B.，Camps，O.I.和Sznaier，M.（2005年）。具有傅里叶描述子的动态纹理。第四届纹理分析与合成国际研讨会论文集（第1卷，第53-58页）。爱丁堡：赫里奥瓦特大学。
[2] Adelson，E.H.和Bergen，J.R.（1985）。运动感知的时空能量模型。美国光学学会杂志，A，2（2），284-99，
[3] Born，R.T.和Bradley，D.C.（2005年）。视觉区域的结构和功能。神经科学年度回顾，28（1），157-189，
[4] Brockwell，P.、Davis，R.和Yang，Y.（2007）。连续时间高斯自回归。中国统计，17（1），63·Zbl 1145.62070号
[5] Brockwell，P.J.和Lindner，A.（2009年）。平稳Lévy驱动CARMA过程的存在性和唯一性。随机过程及其应用，119（8），2660-2681·兹比尔1182.62172
[6] Brooks，K.R.、Morris，T.和Thompson，P.（2011年）。对比度和刺激复杂性调节空间频率和感知速度之间的关系：速度感知的机器翻译模型的含义。《视觉杂志》，11（14），19，
[7] Burge，J.和Geisler，W.S.（2015）。自然图像电影中的最佳速度估计可以预测人类的表现。自然通讯社，67900，
[8] Colombo，M.和Seriès，P.（2012年）。大脑中的贝叶斯：关于神经科学中贝叶斯模型。英国科学哲学杂志，63（3），697-723，
[9] Costantini，R.、Sbaiz，L.和Süsstrunk，S.（2008）。用于动态纹理合成的高阶奇异值分解分析。IEEE图像处理汇刊，17（1），42-52，
[10] DiCarlo，J.J.J、Zoccolan，D.和Rust，N.C.（2012年）。大脑如何解决视觉对象识别？神经元，73（3），415-434，
[11] Dong，D.（2010）。最大化运动中自然场景的因果信息。G.S.Masson、S.Guillaume和U.J.Ilg（编辑），《视觉运动处理动力学》（第261-282页）。柏林：斯普林格。
[12] Doretto，G.、Chiuso，A.、Wu，Y.N.和Soatto，S.（2003）。动态纹理。国际计算机视觉杂志，51（2），91-109·兹比尔1030.68646
[13] Doya，K.（2007）。贝叶斯大脑：神经编码的概率方法。马萨诸塞州剑桥：麻省理工学院出版社·Zbl 1137.91015号
[14] El Karoui，N.、Peng，S.和Queez，M.C.（1997年）。金融学中的倒向随机微分方程。数学金融，7（1），1-71·Zbl 0884.90035号
[15] Filip，J.、Haindl，M.和Chetverikov，D.（2006年）。快速合成动态彩色纹理。《第18届模式识别国际会议论文集》（第4卷，第25-28页）。新泽西州皮斯卡塔韦：IEEE，
[16] Fischer，S.、Sroubek，F.、Perrinet，L.U.、Redondo，R.和Cristóbal，G.（2007）。自可逆二维log-Gabor小波。国际计算机视觉杂志，75（2），231-246，
[17] Fox，R.F.（1997）。Hodgkin-Huxley方程的随机版本。《生物物理杂志》，72（5），2068-2074，
[18] Galerne，B.（2011年）。随机图像模型和纹理合成。未发表的博士论文。，ENS de Cachan公司。
[19] Galerne，B.、Gousseau，Y.和Morel，J.M.（2011a）。随机相纹理：理论与合成。IEEE图像处理汇刊，20，257-267·Zbl 1372.94086号
[20] Galerne，B.、Gousseau，Y.和Morel，J.M.（2011年B）。相位随机化微织物合成。在线图像处理，1·Zbl 1372.94086号
[21] Gekas，N.、Meso，A.I.、Masson，G.S.和Mamassian，P.（2017年）。跨速度和尺度估计视觉运动的标准化机制。当代生物学，27（10），1514-1520，
[22] Gel'fand，I.M.、Vilenkin，N.Y.和Feinstein，A.（1964年）。广义函数：调和分析的应用。普罗维登斯，RI：美国数学学会·Zbl 0136.11201号
[23] Gregory，R.L.（1980）。感知作为假设。英国皇家学会哲学汇刊B：生物科学，290（1038），181-197，
[24] Hassan，O.和Hammett，S.T.（2015）。感知偏差与人类视觉系统中速度的贝叶斯编码不一致。《视觉杂志》，15（2），1-9，
[25] Hassan，O.、Thompson，P.和Hammett，S.T.（2016）。周边视觉的感知速度可以上升或下降。《视觉杂志》，16（6），1-7，
[26] Hyndman，M.、Jepson，A.D.和Fleet，D.J.（2007年）。动态纹理的高阶自回归模型。英国机器视觉会议论文集。萨里：BMVA出版社，
[27] Jogan，M.和Stocker，A.A.（2015）。人类视觉速度感知中的信号整合。神经科学杂志，35（25），9381-9390，
[28] Kersten，D.、Mamassian，P.和Yuille，A.（2004）。作为贝叶斯推理的对象感知。年度精神病学评论。，55, 271-304. ,
[29] Knill，D.C.和Pouget，A.（2004年）。贝叶斯大脑：不确定性在神经编码和计算中的作用。神经科学趋势，27（12），712-719，
[30] Liu，C.-B.，Lin，R.-S.，Ahuja，N.和Yang，M.-H（2006）。动态纹理合成作为非线性流形学习和遍历。英国机器视觉会议论文集。萨里：BMVA出版社，
[31] Meidan，R.（1980）。关于普通随机过程和广义随机过程之间的联系。数学分析与应用杂志，76（1），124-133·Zbl 0453.60040号
[32] Meso，A.I.和Simoncini，C.（2014）。理解视觉区域MT和MST在计算速度中的作用。计算神经科学前沿，8，
[33] Meso，A.I.和Zanker，J.M.（2009年）。相关运动检测器中的速度编码是空间结构的结果。生物控制论，100（5），361-370，
[34] Nestares，O.、Fleet，D.和Heeger，D.（2000年）。总平方问题的似然函数和置信界。《IEEE计算机视觉和模式识别会议论文集》（第523-530页）。新泽西州霍博肯：Wiley IEEE计算机学会出版社，
[35] Perrone，J.A.和Thiele，A.（2001年）。速度技能：测量灵长类MT神经元的视觉速度分析特性。自然神经科学。，4(5), 526-532. ,
[36] Priebe，N.、Cassanello，C.和Lisberger，S.（2003）。猕猴MT/V5区速度的神经表征。神经科学杂志。，23, 5650-5661. ,
[37] Rahman，A.和Murshed，M.（2008年）。使用运动分布统计的动态纹理合成。信息技术研究与实践杂志，40（2），129。
[38] Rousselet，G.A.、Thorpe，S.J.和Fabre-Torpe，M.（2004）。视觉处理在腹侧通路中的平行性如何？认知科学趋势，8（8），363-370，
[39] Sanz-Leon，P.、Vanzetta，I.、Masson，G.S.和Perrinet，L.U.（2012年）。运动云：用于运动感知研究的自然类随机纹理的基于模型的刺激合成。神经生理学杂志，107（11），3217-3226，
[40] Simoncini，C.、Perrinet，L.U.、Montagnini，A.、Mamassian，P.和Masson，G.S.（2012年）。越多越好：自适应增益控制解释了感知和行动之间的分离。自然神经科学。，15（11），1596-1603，
[41] Smith，A.T.和Edgar，G.K.（1990年）。空间频率对感知时间频率和感知速度的影响。视觉研究，30，1467-1474，
[42] Smith，M.A.、Majaj，N.和Movshon，J.A.（2010年）。图案运动计算动力学。G.S.Masson和U.J.Ilg（编辑），《视觉运动处理动力学：神经、行为和计算方法》（第55-72页）。海德堡：施普林格。
[43] Smith，P.L.（2000）。响应时间和准确性的随机动态模型：基础入门。数学心理学杂志，44（3），408-463·Zbl 0982.91040号
[44] Sotiropoulos，G.、Seitz，A.R.和Seriès，P.（2014）。对比人类速度感知中的依赖性和先前期望。视觉研究，97，16-23，
[45] Stocker，A.A.和Simoncelli，E.P.（2006年）。人类视觉速度感知中的噪声特征和先验期望。《自然神经科学》，9（4），578-585，
[46] 汤普森（1982）。感知的运动速度取决于对比度。视觉研究，22（3），377-380，
[47] Thompson，P.、Brooks，K.和Hammett，S.T.（2006）。低对比度下速度可以上升也可以下降：运动感知模型的含义。视觉研究，46（6），782-786，
[48] Unser，M.和Tafti，P.（2014）。稀疏随机过程简介。剑桥：剑桥大学出版社·Zbl 1329.60002号
[49] Unser，M.、Tafti，P.D.、Amini，A.和Kirshner，H.（2014）。高斯与稀疏随机过程的统一公式——第二部分：离散域理论。IEEE信息理论汇刊，60（5），3036-3051·Zbl 1360.60078号
[50] Unser，M.、Tafti，P.D.和Sun，Q.（2014）。高斯与稀疏随机过程的统一公式——第一部分：连续域理论。IEEE信息理论汇刊，60（3），1945-1962·Zbl 1360.60079号
[51] Vacher，J.、Meso，A.I.、Perrinet，L.U.和Peyré，G.（2015）。灵感来源于生物的动态纹理，用于探测运动感知。C.Cortes、N.D.Lawrence、D.D.Lee、M.Sugiyama和R.Garnett（编辑），《神经信息处理系统的进展》，28（第1918-1926页）。纽约州红钩市：Curran。
[52] Van，K.和Nicolaas，G.（1992年）。物理和化学中的随机过程。阿姆斯特丹：爱思唯尔。
[53] Vintch，B.和Gardner，J.L.（2014）。大脑皮层与人类运动感知偏差相关。神经科学杂志，34（7），2592-2604，
[54] Wei，L.Y.、Lefebvre，S.、Kwatra，V.和Turk，G.（2009）。基于示例的纹理合成的最新技术。在欧洲制图2009年，最新报告。欧洲制图协会。
[55] Wei，X.-X.和Stocker，A.A.（2012年）。在感知贝叶斯推理中，高效编码提供了先验和似然之间的直接联系。F.Pereira、C.J.C.Burges、L.Bottou和K.Q.Weinberger（编辑），《神经信息处理系统的进展》，25（第1313-1321页）。纽约州红钩市：Curran。
[56] Weiss，Y.和Fleet，D.J.（2001）。生物和机器视觉中的速度可能性。R.P.N.Rao、B.A.Olshausen、A.Bruno和M.S.Lewicki（编辑），《大脑的概率模型：感知和神经功能》（第81-100页）。马萨诸塞州剑桥：麻省理工学院出版社。
[57] Weiss，Y.、Simoncelli，E.P.和Adelson，E.H.（2002）。作为最佳感知的运动错觉。《自然神经科学》，5（6），598-604，
[58] Wichmann，F.A.和Hill，N.J.（2001年）。心理测量功能：I.拟合、抽样和拟合优度。注意力、知觉和心理物理学，63（8），1293-1313，
[59] Xia，G.S.、Ferradans，S.、Peyré，G.和Aujol，J.F.（2014）。合成和混合平稳高斯纹理模型。SIAM成像科学杂志，7（1），476-508·Zbl 1391.94108号
[60] Young，R.A.和Lesperance，R.M.（2001）。时空视觉的高斯导数模型：II。皮层数据。空间视觉，14（3），321-390，
[61] 袁，L.，文，F.，刘，C.，&Shum，H.-Y.（2004）。利用闭环线性动态系统合成动态纹理。《计算机视觉会议录》（第603-616页）。柏林：斯普林格，
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。