Revealing the multidimensional mental representations of natural objects underlying human similarity judgements.
Revealing the multidimensional mental representations of natural objects underlying human similarity judgements.
复制标题
DOI：
10.1038/s41562-020-00951-3
复制
发表时间：
2020-11
影响因子：
29.9
通讯作者：
Baker CI
中科院分区：
文献类型：
--
作者：
Hebart MN;Zheng CY;Pereira F;Baker CI
物体可以根据大量可能的标准（例如，生命力，形状，颜色，功能）来表征，但是对于理解我们周围的物体，某些维度比其他维度更有用。为了识别对象表示的这些“核心维度”，我们开发了一个数据驱动的计算模型，用于对1，854个对象的真实图像进行相似性判断。该模型捕获了相似性判断中最可解释的方差，并产生了49个高度可重复和有意义的对象维度，这些维度反映了这些对象的各种概念和感知特性。这些维度可以预测外部分类行为，反映对类别的典型性判断。此外，人类可以沿着这些维度准确地对对象进行沿着评级，突出它们的可解释性，并开辟了一种仅从对象维度生成相似性估计的方法。总的来说，这些结果表明，人类的相似性判断可以被一个相当低维的，可解释的嵌入，概括到外部行为。
Objects can be characterized according to a vast number of possible criteria (e.g. animacy, shape, color, function), but some dimensions are more useful than others for making sense of the objects around us. To identify these “core dimensions” of object representations, we developed a data-driven computational model of similarity judgments for real-world images of 1,854 objects. The model captured most explainable variance in similarity judgments and produced 49 highly reproducible and meaningful object dimensions that reflect various conceptual and perceptual properties of those objects. These dimensions predicted external categorization behavior and reflected typicality judgments of those categories. Further, humans can accurately rate objects along these dimensions, highlighting their interpretability and opening up a way to generate similarity estimates from object dimensions alone. Collectively, these results demonstrate that human similarity judgments can be captured by a fairly low-dimensional, interpretable embedding that generalizes to external behavior.
登录
查看更多内容
影响因子：
3.8
作者：
Jozwik KM;Kriegeskorte N;Storrs KR;Mur M
通讯作者：
Mur M
DOI：
10.1037/a0020413
发表时间：
2011-02
影响因子：
2.1
作者：
Konkle, Talia;Oliva, Aude
通讯作者：
Oliva, Aude
影响因子：
5.4
作者：
KEIL, FC
通讯作者：
KEIL, FC
DOI：
10.1073/pnas.1820553116
发表时间：
2019-06-11
影响因子：
11.1
作者：
de Haas, Benjamin;Iakovidis, Alexios L.;Gegenfurtner, Karl R.
通讯作者：
Gegenfurtner, Karl R.
影响因子：
16.6
作者：
Kobak, Dmitry;Berens, Philipp
通讯作者：
Berens, Philipp