論文の概要: Primary visual cortex contributes to color constancy by predicting rather than discounting the illuminant: evidence from a computational study
- arxiv url: http://arxiv.org/abs/2412.07102v1
- Date: Tue, 10 Dec 2024 01:42:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-11 14:36:05.258439
- Title: Primary visual cortex contributes to color constancy by predicting rather than discounting the illuminant: evidence from a computational study
- Title（参考訳）: 一次視覚野は、発光物質を分解するのではなく、予測することで色の安定に寄与する:計算的研究からの証拠
- Authors: Shaobing Gao, Yongjie Li,
- Abstract要約: 我々は、自然画像データセットから光源の色を学習するために、電気生理学的にベースとしたV1ニューラルモデルを構築した。
学習したモデルニューロンの受容野の空間構造と色重は、V1で記録された単純ニューロンとDOニューロンのものと非常によく似ている。
- 参考スコア（独自算出の注目度）: 15.2781669109191
- License:
- Abstract: Color constancy (CC) is an important ability of the human visual system to stably perceive the colors of objects despite considerable changes in the color of the light illuminating them. While increasing evidence from the field of neuroscience supports that multiple levels of the visual system contribute to the realization of CC, how the primary visual cortex (V1) plays role in CC is not fully resolved. In specific, double-opponent (DO) neurons in V1 have been thought to contribute to realizing a degree of CC, but the computational mechanism is not clear. We build an electrophysiologically based V1 neural model to learn the color of the light source from a natural image dataset with the ground truth illuminants as the labels. Based on the qualitative and quantitative analysis of the responsive properties of the learned model neurons, we found that both the spatial structures and color weights of the receptive fields of the learned model neurons are quite similar to those of the simple and DO neurons recorded in V1. Computationally, DO cells perform more robustly than the simple cells in V1 for illuminant prediction. Therefore, this work provides computational evidence supporting that V1 DO neurons serve to realize color constancy by encoding the illuminant,which is contradictory to the common hypothesis that V1 contributes to CC by discounting the illuminant using its DO cells. This evidence is expected to not only help resolve the visual mechanisms of CC, but also provide inspiration to develop more effective computer vision models.
- Abstract（参考訳）: 色濃度 (CC) は、光の色にかなり変化があるにもかかわらず、物体の色を安定して知覚する人間の視覚システムにとって重要な能力である。
神経科学の分野でのエビデンスの増加は、視覚系の複数のレベルがCCの実現に寄与していることを裏付けるが、一次視覚野(V1)がCCで果たす役割は、完全には解決されていない。
特定の分野では、V1の二重対向性(DO)ニューロンはCCの度合いを実現するのに寄与すると考えられているが、計算機構は明確ではない。
我々は、地上の真理照度をラベルとして、自然画像データセットから光源の色を学習するために、電気生理学的にベースとしたV1ニューラルモデルを構築した。
学習したモデルニューロンの応答特性の質的および定量的解析により、学習したモデルニューロンの受容野の空間構造と色重は、V1に記録された単純ニューロンとDOニューロンのものと非常によく似ていることがわかった。
計算上、DO細胞は発光予測のためのV1の単純な細胞よりも堅牢に機能する。
したがって、この研究は、V1 DOニューロンが、そのDO細胞を用いて発光物質を割引することにより、V1がCCに寄与するという一般的な仮説と矛盾する、発光物質をコードすることで、色の一貫性を実現するのに役立つことを裏付ける計算的証拠を提供する。
この証拠は、CCの視覚メカニズムの解決に役立つだけでなく、より効果的なコンピュータビジョンモデルを開発するためのインスピレーションを与えるものと期待されている。
関連論文リスト
- Color in Visual-Language Models: CLIP deficiencies [1.0159205678719043]
この研究は、現在人工知能において最も影響力のあるVML(ビジュアル言語モデル)であるCLIP(Contrastive Language- Image Pre-training)において、色がどのようにコード化されているかを探る。
a)色の概念にあまり関係のない無彩色刺激に対する明確な偏見、(b)他の視覚情報よりもテキストを優先する傾向である。
論文 参考訳（メタデータ） (2025-02-06T19:38:12Z) - A Computational Framework for Modeling Emergence of Color Vision in the Human Brain [9.10623460958915]
脳がどのようにして色覚を受信した視神経信号から純粋にデコードするかは謎である。
眼と大脳皮質の両方をシミュレートすることで、人間の色覚の出現をモデル化するための計算フレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-29T21:27:06Z) - Self-Supervised Learning of Color Constancy [2.8411923586195478]
色安定度 (CC) は、照明条件の変化にもかかわらず、物体が比較的一定の色を持つと知覚する視覚系の能力を記述している。
本研究は,自律的に学習したニューラルネットワークにおいて,CCが発達することを示す最初の研究である。
論文 参考訳（メタデータ） (2024-04-11T21:07:38Z) - Neural Echos: Depthwise Convolutional Filters Replicate Biological
Receptive Fields [56.69755544814834]
哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。
生体受容の分野からインスピレーションを得る手法を提案する。
論文 参考訳（メタデータ） (2024-01-18T18:06:22Z) - Explaining V1 Properties with a Biologically Constrained Deep Learning
Architecture [0.0]
畳み込みニューラルネットワーク(CNN)は、生物学的特異性の欠如にもかかわらず、腹側視覚の流れの有望なモデルとして登場した。
中心周囲のアンタゴニズム,局所受容場,チューニング正規化,皮質拡大をシミュレートするアーキテクチャコンポーネントの統合により,モデル-V1アライメントの大幅な改善が示された。
我々は,これまでにないV1の説明に寄与するアーキテクチャ要素の集合を体系的に確立し,NeuroAIの分野における重要な進歩を浮き彫りにした。
論文 参考訳（メタデータ） (2023-05-18T19:48:05Z) - Adapting Brain-Like Neural Networks for Modeling Cortical Visual
Prostheses [68.96380145211093]
皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。
現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。
我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
論文 参考訳（メタデータ） (2022-09-27T17:33:19Z) - Top-down inference in an early visual cortex inspired hierarchical
Variational Autoencoder [0.0]
我々は変分オートエンコーダの進歩を利用して、自然画像に基づいて訓練された疎い符号化階層型VAEを用いて、初期視覚野を調査する。
一次および二次視覚皮質に見られるものと類似した表現は、軽度の誘導バイアスの下で自然に現れる。
生成モデルを用いた2つの計算のシグネチャに対して,ニューロサイエンスに着想を得た認識モデルの選択が重要であることを示す。
論文 参考訳（メタデータ） (2022-06-01T12:21:58Z) - Prune and distill: similar reformatting of image information along rat
visual cortex and deep neural networks [61.60177890353585]
深部畳み込み神経ネットワーク(CNN)は、脳の機能的類似、視覚野の腹側流の優れたモデルを提供することが示されている。
ここでは、CNNまたは視覚野の内部表現で知られているいくつかの顕著な統計的パターンについて考察する。
我々は、CNNと視覚野が、オブジェクト表現の次元展開/縮小と画像情報の再構成と、同様の密接な関係を持っていることを示す。
論文 参考訳（メタデータ） (2022-05-27T08:06:40Z) - Emergence of Lie symmetries in functional architectures learned by CNNs [63.69764116066748]
本研究では,自然画像の学習において,畳み込みニューラルネットワーク(CNN)の初期層における対称性の自発的発達について検討する。
私たちのアーキテクチャは、生体視覚システムの初期段階を模倣するために構築されています。
論文 参考訳（メタデータ） (2021-04-17T13:23:26Z) - Compositional Explanations of Neurons [52.71742655312625]
本稿では, 合成論理的概念を同定し, 深部表現におけるニューロンの説明手順について述べる。
本稿では,視覚と自然言語処理のモデルにおける解釈可能性に関するいくつかの疑問に答えるために,この手順を用いる。
論文 参考訳（メタデータ） (2020-06-24T20:37:05Z) - Neural Cellular Automata Manifold [84.08170531451006]
ニューラルセルラーオートマタのニューラルネットワークアーキテクチャは、より大きなNNにカプセル化可能であることを示す。
これにより、NAAの多様体を符号化する新しいモデルを提案し、それぞれが異なる画像を生成することができる。
生物学的には、我々のアプローチは転写因子の役割を担い、細胞の分化を促進する特定のタンパク質への遺伝子マッピングを調節する。
論文 参考訳（メタデータ） (2020-06-22T11:41:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。