Summary

Visualisierung Visuelle Adaptation

Published: April 24, 2017
doi:

Summary

Dieser Artikel beschreibt ein neues Verfahren zur Simulation und Anpassung im visuellen System zu studieren.

Abstract

Viele Techniken wurden zur Visualisierung entwickelt , wie ein Bild an eine natürliche Person mit einer anderen Sichtempfindlichkeit erscheinen würde: zB aufgrund von optischen oder Altersunterschiede, oder einen Farbmangel oder Krankheit. Dieses Protokoll beschreibt eine Technik für die sensorische Anpassung in den Simulationen enthält. Das Protokoll wird mit dem Beispiel des Farbensehens dargestellt, sondern ist auf jede Form der visuellen Anpassung allgemein anwendbar. Das Protokoll verwendet ein einfaches Modell des menschlichen Farbsehens auf Basis von Standard und plausible Annahmen über die Netzhaut- und kortikale Mechanismen Kodierung Farbe und wie diese passen ihre Empfindlichkeit sowohl für die durchschnittliche Farbe und Farbbereich in dem vorherrschenden Reiz. Die Verstärkungen der Mechanismen angepasst werden, so dass ihre mittlere Antwort unter einem Kontext für einen anderen Kontext gleichgesetzt wird. Die Simulationen helfen, die theoretischen Grenzen der Anpassung zeigen und erzeugen „angepasst Bilder“, die einem bestimmten Enviro optimal aufeinander abgestimmt sind,nment oder Beobachter. Sie bieten auch eine gemeinsame Metrik die Auswirkungen der Anpassung innerhalb verschiedenen Beobachter oder unterschiedlicher Umgebungen zu erkunden. Charakterisieren visuelle Wahrnehmung und Leistung mit diesen Bildern stellt ein neues Werkzeug für die Untersuchung der Funktionen und Folgen der langfristigen Anpassung des Sehvermögens oder andere Sinnessysteme.

Introduction

Was könnte die Welt aussehen zu anderen oder uns selbst, wie wir ändern? Antworten auf diese Fragen sind von grundlegender Bedeutung für das Verständnis der Natur und Mechanismen der Wahrnehmung und die Folgen von sowohl normalen als auch klinischen Variationen in sensorischer Kodierung. Eine große Vielfalt von Techniken und Ansätzen entwickelt wurde, um zu simulieren, wie Bilder auf Personen mit unterschiedlichen visuellen Empfindlichkeiten erscheinen. Zum Beispiel umfasst diese Simulationen der Farben , die 1 durch verschiedene Arten von Farbmangel unterschieden werden kann, 2, 3, 4, die räumlichen und chromatische Abweichungen , die 5 von Kleinkindern oder älteren Beobachtern aufgelöst werden können, 6, 7, 8, 9 , wie Bilder erscheinen in peripherem Sehen <s up class = "Xref"> 10, und die Folgen von optischen Fehlern oder Krankheit 11, 12, 13, 14. Sie haben auch die Diskriminierung zu visualisieren angewandt worden ist, die möglich sind für andere Arten 15, 16, 17. Typischerweise verwenden solche Simulationen Messungen der Empfindlichkeitsverluste in verschiedenen Populationen, ein Bild zu filtern und somit zu reduzieren oder um die Struktur zu sehen, haben sie Schwierigkeiten entfernen. Zum Beispiel üblichsten Formen der Farbenblindheit reflektieren einen Verlust von einem der beiden Fotorezeptoren empfindlich auf mittlere oder lange Wellenlängen, und die Bilder gefiltert , um ihre Signale zu entfernen erscheinen typischerweise frei von „rötlich-grünlich“ Farbtöne 1. In ähnlicher Weise haben Kinder schlechtere Schärfen und damit die Bilder für ihre reduzierte räumliche Empfindlichkeit verarbeitet verschwommen erscheinen f . "> 5 Diese Techniken bieten wertvolle Darstellungen dessen , was eine Person sieht , dass ein anderer kann nicht jedoch sie es nicht tun -. und oft sind nicht dazu gedacht – porträtieren die eigentliche Wahrnehmungserfahrung des Betrachters, und in einigen Fällen kann das falsch darstellen Menge und Art der Informationen für den Betrachter zur Verfügung.

Dieser Artikel beschreibt eine neue Technik zu simulieren Unterschiede in der visuellen Erfahrung entwickelt , die eine grundlegende Eigenschaft der visuellen Codierung beinhaltet – Anpassung 18, 19. Alle sensorischen und motorischen Systeme anpassen kontinuierlich auf den Kontext, denen sie ausgesetzt sind. Ein stechender Geruch in einem Raum schnell verblasst, während Vision nimmt zu, wie hell oder dimmen das Zimmer ist. Wichtig ist , treten diese Anpassung für fast jeden Reiz Attribut, einschließlich „High-Level“ Wahrnehmungen wie die Merkmale von jemandes Gesicht 20,class = „Xref“> 21 oder ihre Stimme 22, 23, sowie die Kalibrierung der Motorbefehle aus , wenn die Augen zu bewegen oder für ein Objekt 24 zu erreichen, 25. In der Tat ist die Anpassung wahrscheinlich eine wesentliche Eigenschaft von fast allen neuronalen Verarbeitung. Dieses Papier zeigt , wie diese Anpassungseffekte in Simulationen der Darstellung von Bildern zu übernehmen, indem im Grunde „ die Anpassung des Bildes“ vorherzusagen , wie es zu einem bestimmten Beobachter unter einem bestimmten Zustand der Anpassung 26, 27, 28, 29 erscheinen würde. Viele Faktoren können die Empfindlichkeit eines Betrachters verändern, aber Anpassung kann für wichtige Aspekte dieser Veränderungen oft kompensieren, so dass die Empfindlichkeitsverluste weniger auffällig sind, als dies ohne die Annahme vorhergesagt werden, dass das System anpasst. Im Gegensatz dazu daAnpassung passt Empfindlichkeit entsprechend dem aktuellen Stimulus Kontext sind diese Anpassungen auch wichtig für die Vorhersage zu übernehmen, wie viel Wahrnehmung kann variieren, wenn die Umgebung ändert.

Das folgende Protokoll zeigt die Technik, die von dem Farbgehalt der Bilder anzupassen. Farbe Vision hat den Vorteil , dass die anfänglichen neuronalen Stufen der Farbcodierung relativ gut verstanden werden, wie die Anpassungsmuster 30. Die tatsächlichen Mechanismen und Anpassungen sind komplex und vielfältig, aber die wichtigsten Folgen der Anpassung kann unter Verwendung eines einfachen und herkömmlichen zweistufigen Modell (Abbildung 1a) eingefangen werden. In der ersten Stufe werden Farbsignale werden zunächst von drei Arten von Zapfenrezeptoren kodiert wird, die maximal empfindlich sind, um kurze, mittlere oder lange Wellenlängen (S, M, L und Kegel). In der zweiten Stufe werden die Signale von verschiedenen Kegeln innerhalb post-receptoral Zellen kombiniert „color-Gegner“ cha zu bildennnels die antagonistischen Eingaben von den verschiedenen Kegeln erhalten, und „nicht-Gegner“ -Kanäle (und damit „Farbe“ Informationen vermitteln), die die Eingänge cone summiert zusammen (also coding „Helligkeit“ Information). Die Anpassung erfolgt in beiden Phasen, und stellt sich auf zwei verschiedene Aspekte der Farbe – der Mittelwert (in den Kegeln) und die Varianz (in post-receptoral Kanäle) 30, 31. Das Ziel der Simulationen ist es, diese Anpassungen der Modell Mechanismen anzuwenden und dann das Bild von ihren angepasst Ausgänge machen.

Der Prozess der Anpassung der Bilder umfasst sechs Hauptkomponenten. Diese sind 1) die Auswahl der Bilder; 2) das Format für die Bildspektren der Wahl; 3), der die Änderung in der Farbe der Umwelt; 4), die die Änderung der Empfindlichkeit des Betrachters; 5) das Programm mit den angepasst Bilder zu erzeugen; und 6) unter Verwendung der Bilder, die Folgen der Anpassung zu bewerten. Ter folgende Auffassung, jeden dieser Schritte im Detail. Das Grundmodell und den Mechanismus Antworten sind in Abbildung 1 dargestellt, während die Figuren 2 bis 5 zeigen Beispiele von Bildern mit dem Modell gerendert.

Protocol

HINWEIS: Das Protokoll dargestellt verwendet ein Programm, das man Bilder auswählen und dann passen sie Optionen von verschiedenen Dropdown-Menüs ausgewählt werden. 1. Wählen Sie das Bild anpassen Klicken Sie auf das Bild, und suchen Sie nach dem Dateinamen des Bildes mit zu arbeiten. Beachten Sie das Originalbild in der linken oberen Fensterbereich. 2. die Stimulus angeben und den Observer Klicken Sie auf das Menü „Format“ zu…

Representative Results

Die Figuren 2 bis 4 die Anpassung Simulationen für Veränderungen des Betrachters oder die Umwelt darstellen. 2 vergleicht die vorhergesagte Auftreten von Cézannes Stillleben mit Äpfeln für einen jüngeren und älteren Beobachter, der nur in der Dichte der Linse Pigment 28 unterscheiden. Das Originalbild , wie durch das jüngere Auge (Abbildung 2a) gesehen erscheint vielen yellower und Dimmer du…

Discussion

Das dargestellte Protokoll zeigt, wie die Auswirkungen der Anpassung an eine Veränderung in der Umwelt oder der Betrachter kann in Bildern dargestellt werden. Die Form dieser Darstellung auf den Annahmen, hängt für das Modell gemacht nimmt – zum Beispiel, wie Farbe codiert ist, und wie die Verschlüsselungsmechanismen reagieren und sich anzupassen. Somit ist der wichtigste Schritt auf dem Modell für das Farbsehen ist zu entscheiden – zum Beispiel, was die Eigenschaften der Hypothese Kanäle sind, und wie sie davon a…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Unterstützt von National Institutes of Health (NIH) Zuschuss EY-10834.

Materials

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)

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. Ball, L. J., Pollack, R. H. Simulated aged performance on the embedded figures test. Exp. Aging Res. 15, 27-32 (1989).
  7. Sjostrom, K. P., Pollack, R. H. The effect of simulated receptor aging on two types of visual illusions. Psychon Sci. 23, 147-148 (1971).
  8. Lindsey, D. T., Brown, A. M. Color naming and the phototoxic effects of sunlight on the eye. Psychol Sci. 13, 506-512 (2002).
  9. 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).
  10. 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).
  11. 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).
  12. Hogervorst, M. A., van Damme, W. J. M. Visualizing visual impairments. Gerontechnol. 5, 208-221 (2006).
  13. Aguilar, C., Castet, E. Gaze-contingent simulation of retinopathy: some potential pitfalls and remedies. Vision res. 51, 997-1012 (2011).
  14. Rowe, M. P., Jacobs, G. H. Cone pigment polymorphism in New World monkeys: are all pigments created equal?. Visual neurosci. 21, 217-222 (2004).
  15. 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).
  16. 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).
  17. Webster, M. A. Adaptation and visual coding. J vision. 11 (5), 1-23 (2011).
  18. Webster, M. A. Visual adaptation. Annu Rev Vision Sci. 1, 547-567 (2015).
  19. Webster, M. A., Kaping, D., Mizokami, Y., Duhamel, P. Adaptation to natural facial categories. Nature. 428, 557-561 (2004).
  20. Webster, M. A., MacLeod, D. I. A. Visual adaptation and face perception. Philos. Trans. R. Soc. Lond., B, Biol. Sci. 366, 1702-1725 (2011).
  21. Schweinberger, S. R., et al. Auditory adaptation in voice perception. Curr Biol. 18, 684-688 (2008).
  22. Yovel, G., Belin, P. A unified coding strategy for processing faces and voices. Trends cognit sci. 17, 263-271 (2013).
  23. Shadmehr, R., Smith, M. A., Krakauer, J. W. Error correction, sensory prediction, and adaptation in motor control. Annu rev neurosci. 33, 89-108 (2010).
  24. Wolpert, D. M., Diedrichsen, J., Flanagan, J. R. Principles of sensorimotor learning. Nat rev Neurosci. 12, 739-751 (2011).
  25. McDermott, K., Juricevic, I., Bebis, G., Webster, M. A., Rogowitz, B. E., Pappas, T. N. Human Vision and Electronic Imaging. SPIE. 68060, (2008).
  26. Juricevic, I., Webster, M. A. Variations in normal color vision. V. Simulations of adaptation to natural color environments. Visual neurosci. 26, 133-145 (2009).
  27. 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).
  28. Webster, M. A. Probing the functions of contextual modulation by adapting images rather than observers. Vision res. , (2014).
  29. Webster, M. A. Human colour perception and its adaptation. Network: Computation in Neural Systems. 7, 587-634 (1996).
  30. Webster, M. A., Mollon, J. D. Colour constancy influenced by contrast adaptation. Nature. 373, 694-698 (1995).
  31. Brainard, D. H., Stockman, A., Bass, M. . OSA Handbook of Optics. , 10-11 (2010).
  32. 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).
  33. 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).
  34. 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).
  35. Boehm, A. E., MacLeod, D. I., Bosten, J. M. Compensation for red-green contrast loss in anomalous trichromats. J vision. 14, (2014).
  36. Regan, B. C., Mollon, J. D., Cavonius, C. R. . Colour Vision Deficiencies. Vol. XIII. , 261-270 (1997).
  37. Carandini, M., Heeger, D. J. Normalization as a canonical neural computation. Nature reviews. Neurosci. 13, 51-62 (2011).
  38. Rieke, F., Rudd, M. E. The challenges natural images pose for visual adaptation. Neuron. 64, 605-616 (2009).
  39. 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).
  40. Webster, M. A., Mollon, J. D. Adaptation and the color statistics of natural images. Vision res. 37, 3283-3298 (1997).
  41. Webster, M. A., Mizokami, Y., Webster, S. M. Seasonal variations in the color statistics of natural images. Network. 18, 213-233 (2007).
  42. Sagi, D. Perceptual learning in Vision Research. Vision res. , (2011).
  43. Lu, Z. L., Yu, C., Watanabe, T., Sagi, D., Levi, D. Perceptual learning: functions, mechanisms, and applications. Vision res. 50, 365-367 (2009).
  44. 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).
  45. Kompaniez, E., Abbey, C. K., Boone, J. M., Webster, M. A. Adaptation aftereffects in the perception of radiological images. PloS one. 8, e76175 (2013).
  46. Ross, H. . Behavior and Perception in Strange Environments. , (1974).
  47. 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).
  48. Oruc, I., Barton, J. J. Adaptation improves discrimination of face identity. Proc. R. Soc. A. 278, 2591-2597 (2011).
  49. 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).
  50. 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).
  51. 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).
  52. Bao, M., Engel, S. A. Distinct mechanism for long-term contrast adaptation. Proc Natl Acad Sci USA. 109, 5898-5903 (2012).
  53. 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).
  54. Webster, M. A., Elliott, A., Fairchild, M. D., Franklin, A. . Handbook of Color Psychology. , 197-215 (2015).

Play Video

Cite This Article
Webster, M. A., Tregillus, K. E. Visualizing Visual Adaptation. J. Vis. Exp. (122), e54038, doi:10.3791/54038 (2017).

View Video